杭州电子科技大学图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

支持向量机鲁棒性模型与算法研究/王快妮著

出版发行项:

北京:北京邮电大学出版社,2019

ISBN及定价:

978-7-5635-5766-0/CNY42.00

载体形态项:

109页:图;26cm

丛编项:

“十三五”科学技术专著丛书

个人责任者:

王快妮 著

学科主题:

向量计算机-研究

中图法分类号:

TP38

书目附注:

有书目 (第102-109页)

提要文摘附注:

本书以结构风险最小化为原则的一种针对小样本情况的新型机器学习方法, 具有结构简单、全局最优解和泛化能力强等优点。支持向量机目前已成为机器学习领域解决分类问题和回归问题的有效工具。然而, 在现实问题中, 由于受到各种因素的影响, 样本数据通常含有噪声和异常值, 这些数据使支持向量机的学习能力受到影响, 表现在对异常值较敏感、鲁棒性较差等。本文拟从损失函数的角度出发, 应用最优化理论与方法, 研究具有鲁棒性的支持向量机改进模型与求解算法, 使其能更有效地解决实际问题。

豆瓣简介：