高级搜索  |  搜索帮助
浏览此书的还浏览过
购买此书的人还购买过
书  名:支持向量机建模及其智能优化
  • 作  者: 王建国 张文兴 等
  • 出版时间: 2015-09-01
  • 出 版 社: 清华大学出版社
  • 字  数: 213 千字
  • 印  次: 1-1
  • 印  张: 11.5
  • 开  本: 16开
  • ISBN: 9787302400882
  • 装  帧: 平装
  • 定  价:¥39.00
电子书价:¥27.30 折扣:70折 节省:¥11.70 vip价:¥27.30 电子书大小:12.4M
配套资源下载:
  • 名称
  • 说明
  • 权限
  • 文件大小
  • 点击图标下载
  • 图书样章
  • 所有用户
  • 256K
共有商品评论0条 查看评论摘要
内容简介
  本书以实际工业过程为背景,研究了冶金生产过程、化工生产过程,并获取了大量的实际生产数据,利用数据挖掘方法,挖掘出数据中隐含的生产规律,提出了一些改进的建模方法和优化方法,这些方法不仅适用于冶金和化工,还可广泛用于装备制造、材料、航天航空等领域。
本书的建模方法主要以支持向量机为基础,针对数据分布不平衡和海量数据的建模问题、模型的在线学习和优化问题进行了相关的算法研究,如粒度支持向量机、主动学习的增量支持向量机、误差校正的混合核函数在线支持向量机、粒子群智能优化方法和蚁群智能优化方法等,这些方法均配有仿真实验和实际生产数据实验,用于验证方法的有效性。
本书作为专业学术类参考书,可供高年级本科生、研究生、工程师、高校教师等人员阅读参考。
前言
  20世纪90年代,Vapnik等人在VC维理论和结构风险最小化原则的基础上,提出了针对小样本、非线性、高维问题的机器学习方法——支持向量机(support vector machine,SVM)。历经十多年的发展,支持向量机已成为国内外专家、学者的研究热点,并在模式识别、光谱分析、数据挖掘、人工智能、医学、经济、社会等各个领域得到广泛应用。
多年来,作者一直从事基于数据驱动的质量建模和群智能优化方面的研究,特别是在支持向量机建模及粒子群和蚁群智能优化方法方面取得了一些有价值的研究成果。本书主要以支持向量机理论为基础,针对数据分布不平衡和海量数据的SVM建模问题、模型的在线学习和优化问题以及相关的算法研究,同时利用公开标准数据集和实际生产过程产生的实际数据进行了方法验证。
本书可供机械、信息、冶金、化工等领域的高年级本科生、研究生、工程技术人员和科技工作者阅读参考。本书具有如下特点。
(1) 着重从应用的角度出发,强调理论与工程实际的紧密结合,突出实用性。
(2) 内容由浅入深且易于理解。
(3) 每章均有典型的应用实例,并给出了详实的步骤及其结果分析。
本书各章的主要内容包括: 第1章介绍统计学习理论、支持向量机的分类模型和回归模型、支持向量机的研究现状以及支持向量机的参数优化方法; 第2章分析支持向量机二次规划问题中的优化目标和约束条件问题,介绍一种新的支持向量机快速建模方法——连续过松弛和严格凸二次规划的支持向量机,并将该方法应用于冷轧带钢热镀锌生产过程建模; 第3章讨论数据分布不平衡情况下的建模方法,介绍粒度计算和模糊C均值聚类方法,在此基础上详细分析了模糊C均值和共享最近邻(shared nearest neighbor,SNN)相似度的粒度支持向量机方法,最后将该方法用于甲醇合成过程的质量建模; 第4章讨论大数据的增量建模方法,分析凸壳理论的几何意义及其求解方法,结合KKT条件,介绍基于凸壳和KKT条件的增量支持向量机建模方法; 第5章讨论支持向量机在线建模方法,分析混合核函数及误差校正方法对在线建模的影响; 第6章讨论粒子群智能优化算法,从粒子群的更新策略、惯性权重、多种群3个方面分析了粒子群方法的特点,并用粒子群算法优化支持向量机的结构参数; 第7章讨论蚁群智能优化方法,分析蚁群优化方法的原理和特点,介绍分段蚁群优化方法和权重蚁群优化方法。
本书涉及的研究内容、成果得到了国家自然科学基金“基于支持向量机和群智能的煤制甲醇合成过程建模及优化方法研究”(21366017)和内蒙古自然科学基金重大项目“基于数据驱动的带钢热镀锌生产过程工艺参数优化的研究”(2011ZD08)资助。本书由王建国和张文兴完成主要撰写工作,此外,秦波参与了第2章和第3章、杨斌参与了第4章和第7章、刘文婧参与了第6章的撰写工作,云海滨、丛宽、范凯、陈良武、武丽明、赵元元、张志杰、陈肖洁等硕士研究生参与了部分研究工作,在此向他们表示感谢。
当今世界正处于知识大爆炸的时代,知识的更新日新月异,由于作者理论水平有限,以及所做研究工作的局限性,书中难免存在不妥之处,恳请广大读者批评指正。
作者
2015年6月
目录
Copyright(C)清华大学出版社有限公司,All Rights Reserved 京ICP备10035462号 联系我们