支持向量机理论及工程应用实例

版权信息书 名: 支持向量机理论及工程应用实例

作者：白鹏 张斌

出版社：西安电子科技大学出版社

出版时间： 2008

ISBN: 9787560620510

开本： 16

定价: 16.00 元

内容简介《支持向量机理论及工程应用实例》从机器学习的基本问题开始，循序渐进地介绍了相关的内容，包括线性分类器、核函数特征空间、推广性理论和优化理论，从而引出了支持向量机的算法，进而将支持向量机应用到实际的工程实例中。

《支持向量机理论及工程应用实例》共分为8章，第1章统计学习理论基础，第2章支持向量机基础，第3章支持向量机的分类、回归问题及应用，第4章应用背景及混合气体红外光谱分析基础，第5章基于sVM和红外光谱的含烃类混合气体分析方法，第6章含烃类混合气体分析方法的实际应用研究，第7章层次式sVM子集含烃类混合气体光谱分析框架研究，第8章石油天然气红外光谱分析系统的集成应用。

《支持向量机理论及工程应用实例》适合高等院校高年级本科生、研究生、教师和相关科研人员及相关领域的工作者使用。《支持向量机理论及工程应用实例》既可作为研究生教材，也可作为神经网络、机器学习、数据挖掘等课程的参考教材。

编辑推荐简要介绍了机器学习的基本概念

详细介绍了支持向量机的基本算法及改进算法

结合红外光谱混合气体分析，详细介绍了支持

向量机在工程中的应用方法及工程实现

目录第1章统计学习理论基础

1.1机器学习

1.1.1基于数据的机器学习问题模型

1.1.2经验风险最小化

1.2统计学习理论的产生

1.3学习过程的一致性条件

1.4VC维理论

1.5推广性的界

1.6结构风险最小化

1.6.1结构风险最小化的含义

1.6.2SRM原则的实现

第2章支持向量机基础

2.1SVM的基本思想

2.1.1最优分类面

2.1.2广义的最优分类面

2.2核函数

2.3支持向量机的经典算法剖析

2.3.1算法概述

2.3.2SMO算法

2.3.3C-SVM算法及其变形算法

2.3.4v-SVM算法

2.4SMO算法的自适应学习改进方法

2.4.1SMO算法与二次规划

2.4.2自适应学习方法

2.4.3实验结果

2.5LibSVM软件

2.5.1LibSVM软件简介

2.5.2LibSVM软件的使用方法

第3章支持向量机的分类、回归问题及应用

3.1分类问题的提出及SVM分类原理

3.1.1线性分类

3.1.2近似线性分类

3.1.3非线性分类

3.2多类分类问题

3.2.1多类分类原理

3.2.2经典多类分类算法简介

3.3SVM回归原理

3.3.1SVM回归问题的描述

3.3.2线性支持向量机回归

3.3.3非线性支持向量机回归

3.4基于关联规则的SVM在线分类方法

3.4.1基本思路

3.4.2混合气体分布模式中心集的生成

3.4.3分布模式SVM的在线学习

3.5压力传感器支持向量机的校正方法

3.5.1支持向量机与压力传感器的特性校正原理

3.5.2实验及分析

3.6支持向量机回归用于分类

3.6.1思路及推导证明

3.6.2应用实例

3.7基于支持向量机的设备备件供应研究

3.7.1设备备件供应保障概述

3.7.2基于LS-SVM的设备备件多元分类

3.7.3基于SVM的设备备件需求预测

第4章应用背景及混合气体红外光谱分析基础

4.1研究背景与意义

4.2气测录井中混合气体分析的发展、现状及存在的问题

4.2.1气相色谱分析

4.2.2红外光谱分析

4.3支持向量机与红外光谱分析结合

4.3.1问题的提出

4.3.2研究方法

4.3.3技术路线

4.4红外光谱分析理论基础

4.4.1LambertBeer吸收定律

4.4.2红外光谱理论

4.4.3傅立叶变换红外光谱仪

4.5红外光谱数据的描述及分析方法

4.5.1红外光谱数据的描述

4.5.2红外光谱分析方法

4.6红外光谱分析

4.6.1红外光谱的定性分析

4.6.2红外光谱的定量分析

第5章基于SVM和红外光谱的含烃类混合气体分析方法

5.1分析方法的基本工作模式及处理流程

5.1.1分析思路

5.1.2含烃类混合气体组分浓度的SVM分析原理

5.1.3实验装置

5.1.4处理流程

5.2含烃类混合气体的基本工作模式分析

5.2.1混合气体样本的建立

5.2.2光谱数据预处理

5.2.3SVM校正模型的训练与检验

5.2.4SVM校正模型的实现

第6章含烃类混合气体分析方法的实际应用研究

6.1含烃类混合气体分析方法的参数选择

6.1.1SVM校正模型参数对分析结果的影响

6.1.2光谱数据预处理--归一扩展法

6.1.3光谱分析波段对结果的影响

6.1.4红外光谱仪扫描间隔对结果的影响

6.1.5参数选择结果

6.2二氧化碳气体浓度分析

6.2.1混合气体样本的建立

6.2.2光谱数据预处理

6.2.3SVM校正模型的训练与检验

6.2.4SVM校正模型的实现

6.3含烃类混合气体组分浓度分析

6.3.1单组分气体实验

6.3.2两组分气体实验

6.3.3多组分气体实验

6.4含烃类混合气体组分种类分析

6.4.1SVM校正模型用于混合气体组分种类识别的原理

6.4.2实际应用

第7章层次式SVM子集含烃类混合气体光谱分析框架研究

7.1层次式SVM子集混合气体分析框架

7.1.1基本概念

7.1.2层次式SVM子集原理

7.1.3实验结果

7.2层次式SVM子集含烃类混合气体的光谱分析集成框架

7.2.1分析集成框架的结构

7.2.2混合气体分布子模式的建立

7.2.3SVM模型的建立及优化

7.2.4分析结果

第8章石油天然气红外光谱分析系统的集成应用

8.1实验系统

8.1.1配气系统

8.1.2红外光谱数据样本制作系统

8.1.3SVM校正模型

8.2系统集成框架

8.2.1系统总体框架

8.2.2系统硬件

8.2.3系统软件

8.2.4系统功能

8.3现场应用

8.3.1性能指标评估

8.3.2运行状况

参考文献

……