支持向量機魯棒性模型與算法研究

定　價：￥42.00

作　者：	王快妮
出版社：	北京郵電大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787563557660	出版時間：	2019-08-01	包裝：
開本：	16開	頁數：	109	字數：

內容簡介

　　支持向量機是基于統(tǒng)計學習理論，以結構風險小化為原則的一種針對小樣本情況的新型機器學習方法，具有結構簡單、全局優(yōu)解和泛化能力強等優(yōu)點。支持向量機目前已成為機器學習領域解決分類問題和回歸問題的有效工具。然而，在現實問題中，由于受到各種因素的影響，樣本數據通常含有噪聲和異常值，這些數據使支持向量機的學習能力受到影響，表現在對異常值較敏感、魯棒性較差等?！吨С窒蛄繖C魯棒性模型與算法研究》擬從損失函數的角度出發(fā)，應用優(yōu)化理論與方法，研究具有魯棒性的支持向量機改進模型與求解算法，使其能更有效地解決實際問題。

作者簡介

　　王快妮，女，1982年12月出生，博士，西安石油大學理學院講師（2015年7月至今），東南大學數學博士后流動站在站博士后（2018年7月至今）。2015年6月在中國農業(yè)大學獲得運籌與管理專業(yè)博士學位，主要從事機器學習及優(yōu)化理論方面的研究。在《Knowledge-Based Systems》《Neural Processing Letters）《Applied Sot Computing》等國內外學術期刊上發(fā)表論文20余篇，其中以作者發(fā)表SCI、EI收象論文9篇。圓前主持一項中國博士后基金項目，主持并完成一項國家自然科學基金項目。

圖書目錄

第1章緒論
1．1 研究背景與意義
1．2 魯棒支持向量機國內外研究現狀
1．2．1 基于異常值剔除技術的魯棒SVM
1．2．2 加權形式或模糊隸屬度的魯棒SVM
1．2．3 基于p-范數的魯棒SVM
1．2．4 基于損失函數的魯棒SVM
1．2．5 其他形式的魯棒SVM
1．3 支持向量機基礎知識
1．3．1 支持向量機模型
1．3．2 損失函數
1．3．3 原始空間支持向量機
第2章基于非凸廣義線性損失函數的魯棒支持向量回歸機及應用
2．1 廣義線性損失函數
2．2 基于非凸廣義線性損失函數的魯棒支持向量回歸機
2．2．1 非凸廣義線性損失函數
2．2．2 魯棒SVR模型
2．2．3 凹凸過程
2．2．4 算法實現
2．3 數值實驗
2．3．1 真實數據實驗
2．3．2 金融時間序列數據實驗
2．3．3 排序學習數據實驗
2．4 本章小結
第3章基于非凸廣義二次損失函數的魯棒支持向量回歸機
3．1 廣義二次損失函數
3．2 基于非凸廣義二次損失函數的魯棒支持向量回歸機
3．2．1 非凸廣義二次損失函數
3．2．2 DC規(guī)劃及算法實現
3．3 數值實驗
3．4 本章小結
第4章基于非凸二次損失函數的魯棒最小二乘支持向量回歸機
4．1 非凸二次損失函數
4．2 基于非凸二次損失函數的魯棒最小二乘支持向量回歸機
4．2．1 RLS．SVR求解及算法實現
4．2．2 收斂性和復雜度分析
4．3 數值實驗
4．3．1 模擬數據實驗
4．3．2 真實數據實驗
4．3．3 參數分析
4．4 本章小結
第5章基于Laplace損失函數的魯棒最小二乘支持向量回歸機
5．1 基于Laplace損失函數的魯棒最小二乘支持向量回歸機
5．2 算法實現
5．3 數值實驗
5．3．1 模擬數據實驗
5．3．2 真實數據實驗
5．4 本章小結
第6章基于最大相關熵準則的魯棒中心支持向量回歸機
6．1 中心支持向量回歸機
6．2 最大相關熵準則
6．3 基于最大相關熵準則的魯棒中心支持向量回歸機
6．4 數值實驗
6．4．1 模擬實驗
6．4．2 真實數據實驗
6．5 本章小結
第7章抗標簽噪聲的魯棒最小二乘支持向量回歸機
7．1 魯棒最小二乘支持向量分類機
7．1．1 最小二乘支持向量分類機
7．1．2 Ramp損失函數
7．1．3 基于Ramp損失函數的魯棒最小二乘支持向量機
7．2 數值實驗
7．3 本章小結
第8章最小二乘支持向量機在洪水流量和煤炭發(fā)熱量預測的應用
8．1 最小二乘支持向量機在洪水流量預測應用
8．1．1 滾動時間窗
8．1．2 新疆瑪納斯河流域洪水流量預測應用
8．2 最小二乘支持向量機在煤炭發(fā)熱量的預測應用
8．2．1 模型評價指標
8．2．2 山西煤炭主產區(qū)煤炭發(fā)熱量預測應用
8．3 本章小結
后記
參考文獻