[放大封面]
[放大封底]
|
| 【相关下载】 |
 |
|
|
| 【二手书】 |
 |
本产品共有 0 册二手书出售，
最低价：￥.00 [查看] |
|
|
|
| 【读者评论】 |
 |
|
 |
内容简介
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。该书的网站http://www.support-vector.net提供的附加内容有助于读者及时跟踪该领域的最新信息。
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。
|
目录
伸缩显示:  [弹出查看]
伸缩显示: [弹出查看] |
|
|
编辑荐语
[您可以向编辑推荐本书的亮点，采纳后奖励５－１０元优惠卷]（一个工作日内处理您的建议）
《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。
|
|
推荐图书
金书豆豆
【您的购物车】
(共0条)