《支持向量机导论》是一本综合性介绍支持向量机各项标准技术的著作，书中从学习方法到超平面、核函数、泛化性理论、最优化理论，最后总结到支持向量机理论，并介绍了其实现技术和应用。本书的叙述叙序渐进，内容深入浅出，既严谨又易于理解，得以了很多支持向量机研究者的订可。

狼战

轻音乐 日韩版（半年共12期）（杂志订阅）

第五部队.2

企业上市全程指引/北大纵横培训系列

金融战争(中国如何突破美元霸权)

CD-R名家精讲教程工程造价案例分析(4碟装)/2008全国造价工程师执业资格考试

四川汶川大地震纪实

南怀瑾讲述领导的艺术

坏女人有人爱（第2版）

新变形金刚之急先锋超能勇士II(14碟)V

更多相关商品

从头到脚说健康（曲黎敏中医养生完全手册）

三毛全集11-谈心

公路工程监理工程师执业资格考试复习题集及模拟试卷/执业资格考试丛书

马未都说收藏-陶瓷篇(下)

许三观卖血记

北京2008年奥运会歌曲现场演唱会

陈奕迹-不想放手

首席代表

M型穷人的PRADA(M型时代白手致富的33堂必修课)

赤壁 随书附赠(20元影院代金券 50元购物券)

更多相关商品

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 4.2 VC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A SMO算法的伪码附录B 背景数学