数据挖掘中的新方法：支持向量机
点击看大图基本信息
- 作者： 邓乃扬 田英杰
- 丛书名： 华夏英才基金学术文库
- 出版社：科学出版社
- ISBN：7030132815
- 上架时间：2004-6-17
- 出版日期：2004 年6月
- 开本：B5
- 页码：408
- 版次：1-1
- 所属分类：
计算机 > 数据库 > 数据库存储与管理
内容简介回到顶部↑
支持向量机是数据挖掘中的一个新方法．支持向量机能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理
等多种学科．目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段．希望本书能促进它在我国的普及与提高．
本书对象既包括关心理论的研究工作者，也包括关心应用的实际工作者．对于有关领域的具有高等数学知识的实际工作者，略去书中的某些理论部分，仍能对支持向量机的本质有一个概括的理解，从而用它解决自己
的问题．
本书适合高等院校高年级学生、研究生、教师和相关科研人员及相关领域的实际工作者使用．
等多种学科．目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段．希望本书能促进它在我国的普及与提高．
本书对象既包括关心理论的研究工作者，也包括关心应用的实际工作者．对于有关领域的具有高等数学知识的实际工作者，略去书中的某些理论部分，仍能对支持向量机的本质有一个概括的理解，从而用它解决自己
的问题．
本书适合高等院校高年级学生、研究生、教师和相关科研人员及相关领域的实际工作者使用．
目录回到顶部↑
第1章 最优化问题及其基本理论
1．1 最优化问题
1．1．1 最优化问题实例
1．1．2 最优化问题
1．1．3 凸最优化
1．2 最优性条件
1．2．1 无约束问题的最优性条件
1．2．2 约束问题的最优性条件
1．3 对偶理论
1．3．1 最大最小对偶
1．3．2 lagrange对偶
1．4 注记
参考文献
第2章 求解分类问题和回归问题的直观途径
2．1 分类问题的提出
2．1．1 例子(心脏病诊断)
2．1．2 分类问题和分类学习机
2．2 线性分类学习机
2．2．1 线性可分问题的线性分划
2．2．2 近似线性可分问题的线性分划
1．1 最优化问题
1．1．1 最优化问题实例
1．1．2 最优化问题
1．1．3 凸最优化
1．2 最优性条件
1．2．1 无约束问题的最优性条件
1．2．2 约束问题的最优性条件
1．3 对偶理论
1．3．1 最大最小对偶
1．3．2 lagrange对偶
1．4 注记
参考文献
第2章 求解分类问题和回归问题的直观途径
2．1 分类问题的提出
2．1．1 例子(心脏病诊断)
2．1．2 分类问题和分类学习机
2．2 线性分类学习机
2．2．1 线性可分问题的线性分划
2．2．2 近似线性可分问题的线性分划
序言回到顶部↑
数据挖掘源于数据库技术引发的海量数据和人们利用这些数据的愿望．用数据管理系统存储数据，用机器学习的方法分析数据、挖掘海量数据背后的知识，便促成了数据挖掘(datamining)的产生．概括地讲，数据挖掘的任务是从大型数据库或数据仓库中提取人们感兴趣的、事先未知的、有用的或潜在有用的信息．
支持向量机(support vector machine，SVM)是数据挖掘中的一项新技术，是借助于最优化方法解决机器学习问题的新工具．它最初于20世纪90年代由Vapnik提出，近年来在其理论研究和算法实现方面都取得了突破性进展，开始成为克服“维数灾难”和“过学习”等传统困难的有力手段．虽然它还处于飞速发展的阶段，但是它的理论基础和实现途径的基本框架已经形成．自2000年开始，国外已陆续有几本专著出版．据我们所知，本书是国内第一本专门对它进行全面完整介绍和论述的书籍．
本书主要以分类问题(模式识别，判别分析)和回归问题为背景，系统阐述支持向量机和相应的最优化方法．各章的主要内容如下：第1章介绍最优化问题及其基本理论．第2章对分类问题和回归问题直观地导出最基本的支持向量机．第3章介绍核的理论，这是推广基本的支持向量机的关键，也是通过线性问题求解非线性问题的基础．第4章介绍统计学习理论，讨论支持向量机的统计学理论基础．第5章和第6章分别详细研究支持向量分类机和支持向量回归机．第7章介绍实现支持向量机的最优化算法．第8章讨论支持向量机的应用，包括解决实际问题时的一些处理方法和一些应用实例．
本书包括了我们自己的研究工作．例如，在做为支持向量机基础的原始问题和对偶问题解的关系上，我们发现，当前文献的论述存在着逻辑上的缺陷．本书第一次在完整严密的逻辑基础上完善了各种支持向量机中的最优化问题的理论体系．此外，作为求解支持向量机中优化问题的方法，本书介绍了我们自己的研究成果，
如处理大型问题的Newton-PCG型算法．另外还应说明，本书还包含了我们讨论班成员的若干研究工作．
本书所设定的读者包括关心理论与应用两方面的人士．对于支持向量机的理论，本书有系统而严谨的论述；作为使用支持向量机的入门，有直观的说明．实际上我们特别强调该书的可读性，强调直观对理解问题实质的重要作用．我们通常总是首先用图像等直观手段引进各种概念、方法和结论，并特别注意对它们的本质给
予形象的解释和说明，最后给出其严格证明．仅仅关心实际应用的读者，略去这些证明以及若干理论结论，仍可以对所介绍的方法的本质有一个概括的理解．本书对有关领域具有高等数学知识的实际工作者是一本实用读物．我们希望本书的出版，能普及和推广支持向量机在多种实际领域中的应用，也能促进我国对支持向量机的深入研究，特别是促进优化界朋友们的关心与参与．
本书得以出版，我们要感谢中国科学院科学出版基金和华夏英才基金的资助，同时也要感谢中国农业大学各级领导的支持和重点课程建设的资助．本书已被选为中国农业大学研究生系列教材．我们还要感谢国家自然科学基金多年来对我们研究工作的资助．本书作者曾致力于最优化方法的研究多年，几年前开始组织和领导讨论班，学习与研究数据挖掘和支持向量机．除本书两位作者外，讨论班的成员还有王来生教授、薛毅教授、钟萍副教授、经玲副教授、张春华、杨志民、刘广利、苏时光等多人．在这里我们要特别感谢钟萍副教授和张春华．此外，我们还要感谢刘宝光和张建中两位教授以及梁玉梅、张梅梅两位同学，他们都对本书提供了帮助．
由于作者水平所限，书中难免有不妥之处，欢迎读者批评指正．
支持向量机(support vector machine，SVM)是数据挖掘中的一项新技术，是借助于最优化方法解决机器学习问题的新工具．它最初于20世纪90年代由Vapnik提出，近年来在其理论研究和算法实现方面都取得了突破性进展，开始成为克服“维数灾难”和“过学习”等传统困难的有力手段．虽然它还处于飞速发展的阶段，但是它的理论基础和实现途径的基本框架已经形成．自2000年开始，国外已陆续有几本专著出版．据我们所知，本书是国内第一本专门对它进行全面完整介绍和论述的书籍．
本书主要以分类问题(模式识别，判别分析)和回归问题为背景，系统阐述支持向量机和相应的最优化方法．各章的主要内容如下：第1章介绍最优化问题及其基本理论．第2章对分类问题和回归问题直观地导出最基本的支持向量机．第3章介绍核的理论，这是推广基本的支持向量机的关键，也是通过线性问题求解非线性问题的基础．第4章介绍统计学习理论，讨论支持向量机的统计学理论基础．第5章和第6章分别详细研究支持向量分类机和支持向量回归机．第7章介绍实现支持向量机的最优化算法．第8章讨论支持向量机的应用，包括解决实际问题时的一些处理方法和一些应用实例．
本书包括了我们自己的研究工作．例如，在做为支持向量机基础的原始问题和对偶问题解的关系上，我们发现，当前文献的论述存在着逻辑上的缺陷．本书第一次在完整严密的逻辑基础上完善了各种支持向量机中的最优化问题的理论体系．此外，作为求解支持向量机中优化问题的方法，本书介绍了我们自己的研究成果，
如处理大型问题的Newton-PCG型算法．另外还应说明，本书还包含了我们讨论班成员的若干研究工作．
本书所设定的读者包括关心理论与应用两方面的人士．对于支持向量机的理论，本书有系统而严谨的论述；作为使用支持向量机的入门，有直观的说明．实际上我们特别强调该书的可读性，强调直观对理解问题实质的重要作用．我们通常总是首先用图像等直观手段引进各种概念、方法和结论，并特别注意对它们的本质给
予形象的解释和说明，最后给出其严格证明．仅仅关心实际应用的读者，略去这些证明以及若干理论结论，仍可以对所介绍的方法的本质有一个概括的理解．本书对有关领域具有高等数学知识的实际工作者是一本实用读物．我们希望本书的出版，能普及和推广支持向量机在多种实际领域中的应用，也能促进我国对支持向量机的深入研究，特别是促进优化界朋友们的关心与参与．
本书得以出版，我们要感谢中国科学院科学出版基金和华夏英才基金的资助，同时也要感谢中国农业大学各级领导的支持和重点课程建设的资助．本书已被选为中国农业大学研究生系列教材．我们还要感谢国家自然科学基金多年来对我们研究工作的资助．本书作者曾致力于最优化方法的研究多年，几年前开始组织和领导讨论班，学习与研究数据挖掘和支持向量机．除本书两位作者外，讨论班的成员还有王来生教授、薛毅教授、钟萍副教授、经玲副教授、张春华、杨志民、刘广利、苏时光等多人．在这里我们要特别感谢钟萍副教授和张春华．此外，我们还要感谢刘宝光和张建中两位教授以及梁玉梅、张梅梅两位同学，他们都对本书提供了帮助．
由于作者水平所限，书中难免有不妥之处，欢迎读者批评指正．
)
加载中...
