中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
支持向量機導論 版權信息
- ISBN：7505393367
- 條形碼：9787505393363 ; 978-7-5053-9336-3
- 裝幀：簡裝本
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
支持向量機導論 本書特色
《支持向量機導論》是一本綜合性介紹支持向量機各項標準技術的著作，書中從學習方法到超平面、核函數、泛化性理論、*優化理論，*后總結到支持向量機理論，并介紹了其實現技術和應用。本書的敘述敘序漸進，內容深入淺出，既嚴謹又易于理解，得以了很多支持向量機研究者的訂可。
支持向量機導論 內容簡介
支持向量機（SVM）是在統計學習理論的基礎上發展起來的新一代學習算法，它在文本分類、手寫識別、圖像分類、生物信息學等領域中獲行較好的應用。本書是**本綜合介紹支持向量機（SVM）的書籍，它從機器學習算法的基本問題開始，循序漸進地介紹相關的背景知識，包括線性分類器、核函數特征空間、推廣性理論和優化理論，在此基礎上很自然地引出了支持向量機的算法。本書末尾還詳細討論了一系列支持向量機的重要應用及其實現的技巧。本書的敘述清晰嚴謹，自包含性強，提供的大量相關文獻引用以及網站鏈接可作為進一步學習的理想起始點。本書可作為計算機、自動化、機電工程、應用數學等專業的研究生教材，也可作為神經網絡、機器學習、數據挖掘、人工智能等課程的參考教材，同時還是相關領域的教師和研究人員的參考書。
支持向量機導論 目錄
第1章 學習理論
1.1 監督學習
1.2 學習和泛化性
1.3 提高泛化性
1.4 學習的價值和缺點
1.5 用于學習的支持向量機
1.6 習題
1.7 補充讀物和高級主題
第2章 線性學習器
2.1 線性分類
2.2 線性回歸
2.3 線性學習器的對偶表示
2.4 習題
2.5 補充讀物和高級主題
第3章 核函數特征空間
3.1 特征空間中的學習
3.2 到特征空間的隱式映樹
3.3 構造核函數
3.4 特征空間中的計算
3.5 核與高斯過程
3.6 習題
3.7 補充讀物和高級主題
第4章 泛化性理論
4.1 可能近似正確學習模型
4.2 VC理論
4.3 泛化性的間隔界
4.4 其他泛化界和幸運度函數
4.5 回歸的泛化性
4.6 學習的貝葉斯分析
4.7 習題
4.8 補充讀物和高級主題
第5章 *優化理論
第6章 支持向量機
第7章 實現技術
第8章 支持向量機的應用
附錄A SMO算法的偽碼
附錄B 背景數學
1.1 監督學習
1.2 學習和泛化性
1.3 提高泛化性
1.4 學習的價值和缺點
1.5 用于學習的支持向量機
1.6 習題
1.7 補充讀物和高級主題
第2章 線性學習器
2.1 線性分類
2.2 線性回歸
2.3 線性學習器的對偶表示
2.4 習題
2.5 補充讀物和高級主題
第3章 核函數特征空間
3.1 特征空間中的學習
3.2 到特征空間的隱式映樹
3.3 構造核函數
3.4 特征空間中的計算
3.5 核與高斯過程
3.6 習題
3.7 補充讀物和高級主題
第4章 泛化性理論
4.1 可能近似正確學習模型
4.2 VC理論
4.3 泛化性的間隔界
4.4 其他泛化界和幸運度函數
4.5 回歸的泛化性
4.6 學習的貝葉斯分析
4.7 習題
4.8 補充讀物和高級主題
第5章 *優化理論
第6章 支持向量機
第7章 實現技術
第8章 支持向量機的應用
附錄A SMO算法的偽碼
附錄B 背景數學
展開全部
書友推薦
- >
小考拉的故事-套裝共3冊
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
唐代進士錄
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
伯納黛特,你要去哪(2021新版)
- >
煙與鏡
- >
羅庸西南聯大授課錄
- >
月亮虎
本類暢銷
