包郵基于特權信息的灰色支持向量機

作者：肖海軍，，黃剛，章麗萍

出版社：科學出版社出版時間：2023-10-01

開本：其他頁數： 120

本類榜單：教材銷量榜

中圖價:¥41.0(7.1折) 定價 ~~¥58.0~~ 登錄后可看到會員價

加入購物車收藏

開年大促， 全場包郵

?新疆、西藏除外

本類五星書更多>

>
闖進數學世界――探秘歷史名題

闖進數學世界――探秘歷史名題

¥20.7¥32.8
>
中醫基礎理論

中醫基礎理論

¥51.7¥59
>
當代中國政府與政治(新編21世紀公共管理系列教材)

當代中國政府與政治(新編21世紀公共管理系列教材)

¥31.2¥48
>
高校軍事課教程

高校軍事課教程

¥12.4¥38
>
思想道德與法治(2021年版)

思想道德與法治(2021年版)

¥8.5¥18
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)

毛澤東思想和中國特色社會主義理論體系概論(2021年版)

¥8.5¥25
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材

中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材

¥85.1¥99

商品詳情
商品評論(0條)

中圖價:¥41.0 加入購物車

版權信息
內容簡介
目錄

基于特權信息的灰色支持向量機版權信息

ISBN：9787030747044
條形碼：9787030747044 ; 978-7-03-074704-4
裝幀：平裝
冊數：暫無
重量：暫無
所屬分類：
教材
>
研究生/本科/專科教材

基于特權信息的灰色支持向量機內容簡介

Vapnik（瓦普尼克）于20世紀末提出的支持向量機結構，通過將樣本從低微空間向高維空間的映射來實現樣本的線性劃分，從而可獲得預測的通用規則。該理論的通用性、魯棒性、計算高效性使機器學習理論研究取得飛速的發展。然而，實際工程的原始數據中可能隱含著一些非常規的信息，本書稱為特權信息。這些具有某種特殊意義的特權信息有的僅存在部分數據中，并且這些特權信息的收集往往十分困難。然而，醫學、生物、電子、信息等領域的工程數據中的某些特權信息卻具有十分重要的作用。本書提出基于特權信息的灰色支持向量機理論，在對原始數據不做任何修改的情況下，能夠很好地構造預測規則并能夠很好地解決含有特權信息的工程實際問題，是對標準支持向量機的拓展與補充。

基于特權信息的灰色支持向量機目錄

第1章支持向量機基本原理 1.1 支持向量機的產生與發展 1.2 支持向量機相關理論 1.2.1 統計學習理論 1.2.2 支持向量機訓練算法 1.2.3 線性支持向量機 1.2.4 具有軟間隔和優化的SVC 1.2.5 非線性支持向量機 1.2.6 核函數 1.3 支持向量機的研究現狀 1.3.1 SVM的理論研究 1.3.2 改進的SVM訓練算法 1.3.3 SVM方法的應用研究 1.3.4 SVM的研究進展 1.3.5 軟件實現 1.3.6 本章小結第2章灰色系統基本原理 2.1 灰色系統理論的產生與發展 2.2 灰色系統簡介 2.2.1 不確定方法 2.2.2 灰色系統的基本概念 2.2.3 灰色系統理論的基本原理 2.2.4 灰數 2.3 序列算子與灰色序列生成 2.3.1 沖擊擾動系統與序列算子 2.3.2 緩沖算子的定義和性質 2.3.3 緩沖算子構造 2.3.4 均值生成算子 2.3.5 序列的光滑性 2.3.6 級比生成算子 2.3.7 累加生成算子和累減生成算子 2.3.8 灰指數律 2.4 灰色關聯分析 2.4.1 灰色關聯因素和關聯算子集 2.4.2 灰色關聯公理與灰色關聯度 2.4.3 灰色關聯分析的應用舉例 2.4.4 廣義灰色關聯度 2.4.5 灰色相對關聯度 2.4.6 灰色綜合關聯度 2.5 灰色系統模型 2.5.1 GM（1，1）模型 2.5.2 殘差GM（1，1）模型 2.6 灰色系統預測 2.6.1 灰色預測 2.6.2 數列預測 2.7 本章小結第3章基于特權信息的支持向量機 3.1 基于特權信息的支持向量機一階模型 3.1.1 基于特權信息的支持向量機基本原理 3.1.2 全部訓練樣本存在特權信息的支持向量機基本原理 3.1.3 全部訓練樣本存在特權信息且松弛變量改動的支持向量機基本原理 3.1.4 部分訓練樣本存在特權信息的支持向量機基本原理 3.1.5 特權信息來自多空間的支持向量機基本原理 3.2 基于特權信息的支持向量機二階模型 3.2.1 部分樣本存在特權信息且松弛變量改動的支持向量機基本原理 3.2.2 特權信息來自多空間且松弛變量改動的支持向量機基本原理 3.2.3 部分訓練樣本存在特權信息且特權信息來自多空間的支持向量機基本原理 3.3 基于特權信息的支持向量機三階模型 3.3.1 部分訓練樣本存在特權信息來自多空間的松弛變量改動支持向量模型 3.3.2 部分訓練樣本存在特權信息且特權信息來自多空間的松弛變量改動支持向量模型的對偶問題 3.4 基于特權信息的灰色支持向量機模型 3.4.1 灰色支持向量機 3.4.2 基于特權信息的灰色支持向量機 3.5 本章小結第4章仿真實驗 4.1 rSVM+的仿真實驗 4.1.1 數據集 4.1.2 實驗設置細節 4.1.3 仿真測試結果 4.2 pSVM+的仿真實驗 4.2.1 數據集 4.2.2 實驗設置細節 4.2.3 仿真測試結果 4.3 gSVM+的仿真實驗 4.3.1 數據集 4.3.2 實驗設置細節 4.3.3 仿真測試結果 4.4 本章小結第5章基于LIBSVM的SVM應用 5.1 LIBSVM的安裝（MATLAB） 5.1.1 LIBSVM安裝步驟 5.1.2 LIBSVM庫文件說明 5.2 LIBSVM的數據格式及制作 5.2.1 LIBSVM的數據及其格式 5.2.2 LIBSVM數據格式制作 5.3 LIBSVM的使用方法 5.3.1 svm-scale的用法 5.3.2 svmtrain的用法 5.3.3 svmpredict的用法 5.4 SVM應用之意大利葡萄酒種類識別 5.4.1 數據集 5.4.2 數據預處理 5.4.3 訓練與預測 5.4.4 參數選擇 5.5 本章小結參考文獻后記

展開全部

商品評論(0條)

寫書評賺書幣

暫無評論……

書友推薦