支持向量机

2009-8  

科学出版社  

邓乃扬,田英杰  

244  

307000  

无  

支持向量机（support vector machines、SVMs）是借助于最优化方法解决数据挖掘中若干问题的有力工具，它在一定程度上克服了“维数灾难”和“过学习”等传统困难，并在文本分类、生物信息、语音识别、遥感图像分析、故障识别和预测、时间序列预测、信息安全等诸多领域有了成功的应用。支持向量机不仅有着统计学习理论（statistical learning theory SLT）的坚实理论基础，而且具有直观的几何解释和完美的数学形式。虽然自20世纪90年代由Vapnik提出以来一直处于飞速发展的阶段，但是支持向量机的理论基础和各种算法实现的基本框架已经形成。自2000年开始，国外已陆续有专著出版。2004年，作者在科学出版社出版了学术专著《数据挖掘中的新方法——支持向量机》，该书是国内第一本专门对支持向量机进行全面完整介绍和论述的著作。出版后读者反映良好，并被中国科学院研究生院、清华大学、中国农业大学等用作研究生教材。被评为2006年北京市精品教材。经过五年的继续研究与教学实践，我们决定对该书进行全面改写，增加新的研究成果，并更名为“支持向量机——理论、算法与拓展”。本书特别强调可读性，强调直观对理解问题实质的重要作用。在给出系统严谨的论述之前，一般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。对于原始文献中没有提及直观解释的内容，我们也尽可能予以补充，例如，对求解多类分类问题的Crammer-Singer，支持向量机，我们给出了清晰的几何解释。与第一部著作相比，本书的逻辑系统更加清晰，对问题的阐述也更加简明。本书主要讨论分类问题和回归问题。基于把回归问题转化为分类问题的研究工作，全书以分类问题为主线，形成了统一的格局。主要内容如下：第工章介绍最优化基础。该章着重于凸规划的介绍，添加了引领最优化方法应用研究的锥规划（包括二阶锥规划和半定规划），以及Hilbert空间中的凸规划理论。这是以后章节以及进一步研究新的支持向量机的最优化基础。第2章和第3章则分别对线性分类问题和线性回归问题直观地导出最基本的线性支持向量机。第4章介绍核的基本概念，并在此基础上介绍求解一般的分类问题和回归问题的支持向量机。第5章则从最大间隔法的统计学解释入手，讨论支持向量机的统计学习理论基础。第6章介绍支持向量机实际应用中的模型选择问题。第7章介绍实现支持向量机的几个主流算法。第8章是前面讨论过的基本的支持向量机的变形与拓广，包括求解多类分类。

本书以分类问题（模式识别、判别分析）和回归问题为背景，介绍支持向量机的基本理论、方法和应用。特别强调对所讨论的问题和处理方法的实质进行直观的解释和说明，因此具有很强的可读性。为使具有一般高等数学知识的读者能够顺利阅读，书中首先介绍了最优化的基础知识。　　本书可作为理工类、管理学等专业的高年级本科生、研究生和教师的教材或教学参考书，也可供相关领域的科研人员和实际工作者阅读参考。

序言符号表第1章　最优化基础　1.1　欧式空间上的最优化问题　　1.1.1　最优化问题实例　　1.1.2　最优化问题及其解　　1.1.3　最优化问题的几何解释　1.2　欧式空间上的凸规划　　1.2.1　凸集和凸函数　　1.2.2　凸规划问题及其基本性质　　1.2.3　凸规划的对偶理论　　1.2.4　凸规划的最优性条件　　1.2.5　线性规划 1.3　Hilbert空间上的凸规划　　1.3.1　凸函数及Frechet导数　　1.3.2　凸规划问题　　1.3.3　凸规划的对偶理论　　1.3.4　凸规划的最优性条件　1.4　欧式空间上带有广义不等式约束的凸规划　　1.4.1　带有广义不等式约束的凸规划　　1.4.2　带有广义不等式约束的凸规划的对偶理论　　1.4.3　带有广义不等式约束的凸规划的最优性条件　　1.4.4　二阶锥规划　　1.4.5　半定规划　1.5　Hilbert空间上带有广义不等式约束的凸规划　　1.5.1　K－凸函数与Frechet导数　　1.5.2　凸规划问题　　1.5.3　凸规划的对偶理论　　1.5.4　凸规划的最优性条件第2章　线性分类机 2.1　分类问题的提出　 2.1.1　例子（心脏病诊断）　 2.1.2　分类问题和分类机　2.2　线性可分问题的支持向量分类机　 2.2.1　最大间隔法_　 2.2.2　线性可分问题的支持向量分类机　 2.2.3　支持向量　2.3　线性支持向量分类机　　2.3.1　最大间隔法　　2.3.2　线性支持向量分类机第3章　线性回归机 3.1　回归问题和线性回归问题 3.2　硬ε带超平面　　3.2.1　从线性回归问题到硬乒带超平面　　3.2.2　硬ε-带超平面与线性分划　　3.2.3　构造硬ε带超平面的最优化问题 3.3　线性硬ε-带支持向量回归机　　3.3.1　原始问题　　3.3.2　对偶问题及其与原始问题解的关系　　3.3.3　线性硬ε-带支持向量回归机 3.4　线性ε-支持向量回归机　　3.4.1　原始问题　　3.4.2　对偶问题及其与原始问题解的关系　　3.4.3　线性ε-支持向量回归机第4章　核与支持向量机 4.1　从线性分划到非线性分划　　4.1.1　非线性分划的例子　　4.1.2　基于非线性分划的分类算法　　4.1.3　基于非线性分划的回归算法 4.2　核函数　　4.2.1　核函数及其特征　　4.2.2　核函数的判定和常用的核函数 4.3　支持向量机及其性质　　4.3.1　支持向量分类机　　4.3.2　支持向量回归机 4.4　支持向量机中核函数的选取　　4.4.1 已知训练集时核函数的选取　　……第5章 C-支持向量分类机的统计学基础第6章　模型选择第7章 算法第8章　支持向量机的变形与拓广参考文献索引

插图：

《支持向量机:理论、算法与拓展》是由科学出版社出版的。

无

支持向量机 PDF格式下载

这是我看到的国内第一本比较详细介绍支持向量机的书，内容比较全面，目前支持向量机常用的技术都有所介绍，虽然里面的内容或多或少都能从网上找到，但是作为教材，这本书应该是不错的。由于支持向量机理论本身都很难懂，所以需要有一定的数学基础才能真正掌握SVM。希望研究SVM的朋友一同探讨，我的QQ：604385569。

这本书可读性强，逻辑清晰，既有理论介绍，也有算法说明。

最初我买这本书，是因为里面有关于SVM的算法实现。1月份买了之后，用了10天左右时间粗读了这本书，感觉非常好。可以说这是目前国内关于SVM最为全面，写作也很条理的一本书。这本书通俗易懂，既可作教材，也可作为参考资料。建议可以结合LIBSVM读。非常好，我已经把它推荐给我们的几位研究生，今天我在这里郑重推荐给大家！谢谢本书的两位作者！

SVM理论的好书，比统计学习理论那一系列要容易理解。介绍了大量的理论知识，读起来有些吃力，但是整个书的结构很完整，专心一定能读下来，受益匪浅。对整个机器学习和统计学习理论的研究都很有帮助

绝对的好书，很详细，很理论适用！

除了符号使用有点混乱之外。

这本书不错！作为一部国内的支持向量机专著，是值得一读的！正在阅读学习中！

邓乃扬的支持向量机书都还可以

这本书给出了很多证明，大部分还是可以看懂的，不过支持向量机本身也绝不可能很好理解，所以这本书也不是很好懂。而且我买这本书的本意是看一下SMO，它涉及的不多。

感觉理论性较强，还有多看看，需要一定数学基础

这本书很详细的说明了推理过程

不好评价，以后再说吧

发货速度很快，书业不错，但是价格好像贵了点

今天买了几本书——模式分类、实用数学手册、以及这本支持向量机，坦率的说，前两本我都非常满意，而这本书我大开看了后发现全是定理、证明、推论之类，这对我这个数学外行的人看不懂。可以说，我久仰支持向量机的大名，想了解它如何在机器学习、人工只能中有什么应用前景，但这本书我看不懂。从此后，更坚定了我此前的观点：以后买书只能买外国人写的中国人翻译的经典的书。

这本书相对之前那本原作者写的数据挖掘新方法——支持向量机，反而差了不少，很多东西都省略了，让初学者看得反而不懂，推荐多点钱买那本吧，但是当当网又没货，真不知道他们怎么想的

买了一本书《支持向量机》，说的是买完之后积分立马到账，可是都好几天了，怎么还没有呢

对于我们以应用为主的工科来说，没有代码是咧，看着挺费劲的。。。

写得中规中矩的教材，对我不合适。

书还可以吧，只是太贵了。

典型的垃圾，很简单的问题 又去证明。


我们需要的是对算法的分析与探讨 还有应用，不是抄一些公式的证明。

内容非常翔实明白，讲解也很清楚（作者貌似是搞数学的），是国内介绍SVM的书中不可多得的精品！毫不犹豫给五星！

这本书很系统，从优化基础方法开始到向量机类型、算法和拓广，讲的很详细，很不错！

纯粹的理论书，尤其第一章。实际应用中还需要配合自己所从事的方向的专业资料的转变。

中文的语法都怪怪的，看着就气人