成功加入购物车
馆藏书,内页干净。
[英]克里斯蒂亚尼尼(Cristianini Nello)、[英]沙维-泰勒(Shawe-TaylorJohn) 著; 李国正 译 / 电子工业出版社 / 2004-01 / 平装
售价 ¥ 15.00 6.0折
定价 ¥25.00
品相 九品
上书时间2026-01-07
支持向量机导论
支持向量机(SVM)是在统计学习理论的基础上发展起来的新一代学习算法,它在文本分类、手写识别、图像分类、生物信息学等领域中获行较好的应用。本书是第一本综合介绍支持向量机(SVM)的书籍,它从机器学习算法的基本问题开始,循序渐进地介绍相关的背景知识,包括线性分类器、核函数特征空间、推广性理论和优化理论,在此基础上很自然地引出了支持向量机的算法。本书末尾还详细讨论了一系列支持向量机的重要应用及其实现的技巧。本书的叙述清晰严谨,自包含性强,提供的大量相关文献引用以及网站链接可作为进一步学习的理想起始点。本书可作为计算机、自动化、机电工程、应用数学等专业的研究生教材,也可作为神经网络、机器学习、数据挖掘、人工智能等课程的参考教材,同时还是相关领域的教师和研究人员的参考书。
第1章学习理论1.1监督学习1.2学习和泛化性1.3提高泛化性1.4学习的价值和缺点1.5用于学习的支持向量机1.6习题1.7补充读物和高级主题第2章线性学习器2.1线性分类2.2线性回归2.3线性学习器的对偶表示2.4习题2.5补充读物和高级主题第3章核函数特征空间3.1特征空间中的学习3.2到特征空间的隐式映树3.3构造核函数3.4特征空间中的计算3.5核与高斯过程3.6习题3.7补充读物和高级主题第4章泛化性理论4.1可能近似正确学习模型4.2VC理论4.3泛化性的间隔界4.4其他泛化界和幸运度函数4.5回归的泛化性4.6学习的贝叶斯分析4.7习题4.8补充读物和高级主题第5章最优化理论第6章支持向量机第7章实现技术第8章支持向量机的应用附录ASMO算法的伪码附录B背景数学
展开全部
图2
图3
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30