机读格式显示(MARC)

• 000 01350nam0 2200265 450

• 001 0000272914

• 005 20191202165800.0

• 010 __ |a 978-7-5114-4505-6 |d CNY28.00

• 099 __ |a CAL 012017139555

• 100 __ |a 20170830d2017 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a y a 000yy

• 106 __ |a r

• 200 1_ |a 支持向量机算法及在大规模样本集的应用 |A zhi chi xiang liang ji suan fa ji zai da gui mo yang ben ji de ying yong |f 梁锦锦著

• 210 __ |a 北京 |c 中国石化出版社 |d 2017

• 215 __ |a 127页 |d 26cm

• 320 __ |a 有书目 (第119-127页)

• 330 __ |a 支持向量机是一种新型小样本机器学习算法, 利用统计学习理论和最优化技术构造将两类样本分开的分类超平面; 可用于文本分类、人脸识别、信号处理、图像及遥感图像分析等领域。将支持向量机算法引入大数据学习, 对于拓宽大数据领域的理论和算法研究结果, 提高支持向量机在实际问题中的运算效率具有重要意义。本书主要篇章节目录: 1、绪论。2、统计学习理论和最优化理论。3、标准支持向量机。4、最小二乘支持向量机。5、支持向量域描述。6、光滑支持向量机。7、大数据集下的支持向量机。8、结论与展望。

• 333 __ |a 本书适合从事支持向量机理论研究和数据挖掘专业的技术人员和教室参考，也可以作为相关学科专业的研究生教材。

• 606 0_ |a 向量计算机 |A xiang liang ji suan ji |x 算法理论

• 690 __ |a TP301.6 |v 5

• 701 _0 |a 梁锦锦 |A liang jin jin |4 著

• 801 _0 |a CN |b AUSTL |c 20191202

• 905 __ |a AUSTL |d TP301.6/L421