خرید و دانلود نسخه کامل کتاب Support Vector Machines for Pattern Classification

توضیحاتی در مورد کتاب



ماشین‌های بردار پشتیبان (SVM) که در اصل برای مسائل طبقه‌بندی دو کلاسه فرموله شده‌اند، اکنون به عنوان ابزار قدرتمندی برای توسعه طبقه‌بندی الگو و سیستم‌های تقریب تابع پذیرفته شده‌اند. پیشرفت‌های اخیر در روش‌های مبتنی بر هسته شامل طبقه‌بندی‌کننده‌ها و رگرسیون‌های هسته و انواع آن‌ها، پیشرفت‌ها در نظریه تعمیم، و روش‌های مختلف انتخاب و استخراج ویژگی‌ها است.

ارائه چشم‌اندازی منحصربه‌فرد در مورد وضعیت از هنر در SVM ها، با تمرکز ویژه بر طبقه بندی، این نسخه جدید کاملاً به روز شده شامل مقایسه عملکرد دقیق تری از طبقه بندی کننده ها و رگرسیون ها است. این کتاب علاوه بر ارائه معماری‌های مفید مختلف برای طبقه‌بندی چند کلاسه و مسائل تقریب تابع، اکنون معیارهای ارزیابی طبقه‌بندی‌کننده‌ها و رگرسیون‌ها را نیز بررسی می‌کند.

موضوعات و ویژگی‌ها: STRONG>

• ویژگی های SVM های دو کلاسه را از طریق تجزیه و تحلیل گسترده روشن می کند
• روش‌های هسته برای بهبود توانایی تعمیم شبکه‌های عصبی مرسوم و سیستم‌های فازی را مورد بحث قرار می‌دهد
• شامل تصاویر، مثال‌ها و آزمایش‌های رایانه‌ای فراوانی برای کمک به خوانندگان برای درک مفاهیم و سودمندی آنها می‌باشد. /LI>

• شامل ارزیابی عملکرد با استفاده از مجموعه داده‌های دو کلاسه در دسترس عموم، مجموعه‌های ریزآرایه، مجموعه داده‌های چند کلاسه و مجموعه داده‌های رگرسیون (جدید)<. /LI>

• هسته‌های Mahalanobis، فضای ویژگی تجربی و تأثیر انتخاب مدل را با اعتبارسنجی متقابل بررسی می‌کند (جدید)
• SVM های پراکنده را پوشش می دهد، رویکردی به یادگیری با استفاده از اطلاعات ممتاز، یادگیری نیمه نظارت شده، سیستم های طبقه بندی کننده چندگانه، و یادگیری هسته های متعدد (NEW)
• کاوش افزایشی آموزش دسته‌ای مبتنی بر آموزش و روش‌های آموزش مجموعه فعال، همراه با تکنیک‌های تجزیه برای SVM‌های برنامه‌ریزی خطی (NEW)
• بحثی در مورد انتخاب متغیر برای پشتیبان رگرسیورهای برداری (جدید)

راهنمای ضروری در مورد استفاده از SVM ها در طبقه بندی الگوها، این منبع جامع مورد توجه محققان و دانشجویان تحصیلات تکمیلی و همچنین توسعه دهندگان حرفه ای خواهد بود.

Dr. Shigeo Abe استاد دانشگاه کوبه، دانشکده مهندسی تحصیلات تکمیلی. او نویسنده عناوین Springer شبکه های عصبی و سیستم های فازی و طبقه بندی الگو: روش های عصبی فازی و مقایسه آنها است.