统计学习理论的本质
点此进入淘宝搜索页搜索分類: 图书,其他,
品牌: 瓦普尼克
基本信息·出版社：清华大学出版社
·页码：226 页
·出版日期：2000年
·ISBN：9787302039648
·包装版本：第1版
·装帧：平装
·开本：16
·正文语种：中文
产品信息有问题吗？请帮我们更新产品信息。
内容简介统计学习理论是针对小样本情况研究统计学习规律的理论，是传统统汁学的重要发展和补充，为研究有限样本情况下机器学习的理论和方法提供了理论框架，其核心思想是通过控制学习机器的容量实现对推广能力的控制。在这一理论中发展出的支持向量机方法是一种新的通用学习机器，较以往方法表现出很多理论和实践上的优势。《统计学习理论的本质》是该领域的权威著作，着重介绍了统计学习理论和支持向量机的关键思想、结论和方法，以及该领域的最新进展。《统计学习理论的本质》的读者对象是在信息科学领域或数学领域从事有关机器学习和函数估计研究的学者和科技人员，也可作为模式识别、信息处理、人工智能、统计学等专业的研究生教材。
编辑推荐《统计学习理论的本质》是在前一版的基础上修订而成的，书中主要介绍了统计学习理论和支持向量机的关键思想、结论和方法，以及该领域的最新进展。全书增加了关于SVM方法的三章新内容，其中包括把SVM方法推广到用于估计实值函数，基于(用SVM方法)求解多维积分方程的直接方法，以及经验风险最小化原则的扩展及其在SVM中的应用。该书可供各大专院校作为教材使用，也可供从事相关工作的人员作为参考用书使用。
目录
译序
第二版前言
第一版前言
0 引论：学习问题研究的四个阶段
0.1 Rosenblatt的感知器(60年代)
0.1.1 感知器模型
0.1.2 对学习过程分析的开始
0.1.3 对学习过程的应用分析与理论分析
0.2 学习理论基础的创立(60-70年代)
0.2.1 经验风险最小化原则的理论
0.2.2 解决不适定问题的理论
0.2.3 密度估计的非参数方法
0.2.4 算法复杂度的思想
0.3 神经网络(80年代)
0.3.1 神经网络的思想
0.3.2 理论分析目标的简化
0.4 回到起点(90年代)
第一章 学习问题的表示
1.1 函数估计模型
1.2 风险最小化问题
1.3 三种主要的学习问题
1.3.1 模式识别
1.3.2 回归估计
1.3.3 密度估计(Fisher-wald表示)
1.4 学习问题的一般表示
1.5 经验风险最小化归纳原则
1.6 学习理论的四个部分
非正式推导和评述——1
1.7 解决学习问题的传统模式
1.7.1 密度估计问题(最大似然方法)
1.7.2 模式识别(判别分析)问题
1.7.3 回归估计模型
1.7.4 最大似然法的局限
1.8 密度估计的非参数方法
……
第二章 学习过程的一致性
第三章 学习过程收敛速度的界
第四章 控制学习过程的推广能力
第五章 模式识别的方法
第六章 函数估计的方法
第七章 统计学习理论中的直接方法
第八章 邻域风险最小化原则与SVM
第九章 结论：什么是学习理论中重要的？
参考文献及评述
索引
……[看更多目录]
