Support vector machinesfor pattern classification

内容介绍

本书是一本关于在模式分类中使用支持向量机的指南，包括对分类器和回归器的严格的性能比较。 本书为多类分类和函数逼近问题、分类器和回归器的评价标准提出了架构。本书特色：阐明了两类支持向量机的特征；讨论了提高神经网络和模糊系统泛化能力的核方法； 大量的插图和例子；使用公开数据集进行性能评估；检验马氏核、经验特征空间，并通过交叉验证确定模型选择的影响；稀疏支持向量机、使用特权信息学习、半监督学习、多分类器系统和多核学习； 探讨了基于增量训练的批量训练和主动集训练方法，以及线性规划支持向量机的分解技术； 讨论支持向量回归变量的选择等。 

内容介绍

本书是一本关于在模式分类中使用支持向量机的指南，包括对分类器和回归器的严格的性能比较。 本书为多类分类和函数逼近问题、分类器和回归器的评价标准提出了架构。本书特色：阐明了两类支持向量机的特征；讨论了提高神经网络和模糊系统泛化能力的核方法； 大量的插图和例子；使用公开数据集进行性能评估；检验马氏核、经验特征空间，并通过交叉验证确定模型选择的影响；稀疏支持向量机、使用特权信息学习、半监督学习、多分类器系统和多核学习； 探讨了基于增量训练的批量训练和主动集训练方法，以及线性规划支持向量机的分解技术； 讨论支持向量回归变量的选择等。