魯棒最小二乘支持向量機研究與應用

定　價：￥35.00

作　者：	劉京禮著
出版社：	經濟管理出版社
叢編項：
標　簽：	人工智能

購買這本書可以去

ISBN：	9787509618493	出版時間：	2012-06-01	包裝：	平裝
開本：	16開	頁數(shù)：	146	字數(shù)：

內容簡介

　　二分類問題是統(tǒng)計學習理論、機器學習以及人工智能中研究的一個重要問題。由于隨機的或者非隨機過程的存在，現(xiàn)實生活中的數(shù)據經常帶有噪聲和不確定性。數(shù)據的噪聲以及不確定性會影響統(tǒng)計學習分類算法模型的性能，降低分類的準確率及其分類模型的推廣能力。《魯棒最小二乘支持向量機研究與應用》從加強最小二乘支持向量機模型的魯棒性和稀疏性、增強其推廣能力的理念出發(fā)，系統(tǒng)整理了文獻中對最小二乘支持向量機模型（LS-SVM）中改進魯棒性的方法，提出了改進LS-SVM魯棒性的三個模型：KPCA-L1-LS-SVM、FL1-LS-SVM和RW-Lp-LS-SVM模型，分別從特征壓縮、噪聲點的剔除以及樣本信息重要程度的角度出發(fā)對LS-SVM模型的魯棒性做了改進。

作者簡介

　　劉京禮，漢族，1975年1月生，山東膠州市人。2010年畢業(yè)于中國科學技術大學管理學院，師從中國科學院科技政策與管理科學研究所徐偉宣研究員和中國科學院研究生院管理學院石勇教授，現(xiàn)在山東工商學院煤炭經濟研究院工作。主要研究方向為：信用風險評估、優(yōu)化理論與方法。目前主持國家自然科學基金面上項目：消費者信用風險動態(tài)評估研究（71171123）和山東省優(yōu)秀中青年科學家科研獎勵基金：基于動態(tài)支持向量機的消費者信用風險評估（BS2011SF011）。發(fā)表學術論文9篇，其中SCI檢索3篇。

圖書目錄

1 緒論
1.1 研究背景和意義
1.2 魯棒支持向量機研究綜述
1.3 本書的內容和結構安排
1.4 研究方法和思路
1.5 本書的技術路徑
2 最優(yōu)化理論
2.1 最優(yōu)化問題的一般形式
2.2 約束極值問題的最優(yōu)化條件
2.3 庫恩塔克條件
2.4 對偶理論
2.5 小-結
3 二分類問題
3.1 引言
3.2 二分類模型
3.3 分類模型準確率的估計方法
3.4 二分類算法的有效性
3.5 支持向量機
3.6 最小二乘支持向量機模型
3.7 小結
4 魯棒最小二乘支持向量機中的特征抽取和選擇
4.1 引言
4.2 特征選擇和抽取
4.3 核主成分法
4.4 稀疏L1-范數(shù)LS-SVM模型
4.5 雙層L1-范數(shù)LS-SVM模型
4.6 模糊L1-范數(shù)LS-SVM模型
4.7 小結
5 最小二乘支持向量機的魯棒分類模型
5.1 引言
5.2 Lp范數(shù)支持向量機的分類模型
5.3 魯棒賦權自適應Lp范數(shù)最小二乘支持向量機
5.4 小-結
6 消費者信用風險評估
6.1 引言
6.2 目前的消費者信用評估模型評述
6.3 消費者信用風險評估模型的實證分析
6.4 KPCA-L1-LS=SVM模型在信用風險中的應用
6.5 FL1-LS-SVM模型在信用風險中的應用
6.6 魯棒賦權自適應Lp范數(shù)LS-SVM模型在信用風險中的應用
6.7 小結
……
7 總結與展望
符號說明
參考文獻
后記
附圖
附表