內(nèi)容介紹

本書是一本關(guān)于在模式分類中使用支持向量機的指南，包括對分類器和回歸器的嚴格的性能比較。 本書為多類分類和函數(shù)逼近問題、分類器和回歸器的評價標準提出了架構(gòu)。本書特色：闡明了兩類支持向量機的特征；討論了提高神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)泛化能力的核方法； 大量的插圖和例子；使用公開數(shù)據(jù)集進行性能評估；檢驗馬氏核、經(jīng)驗特征空間，并通過交叉驗證確定模型選擇的影響；稀疏支持向量機、使用特權(quán)信息學習、半監(jiān)督學習、多分類器系統(tǒng)和多核學習； 探討了基于增量訓練的批量訓練和主動集訓練方法，以及線性規(guī)劃支持向量機的分解技術(shù)； 討論支持向量回歸變量的選擇等。