本书以结构风险最小化为原则的一种针对小样本情况的新型机器学习方法,具有结构简单、全局最优解和泛化能力强等优点。支持向量机目前已成为机器学习领域解决分类问题和回归问题的有效工具。然而,在现实问题中,由于受到各种因素的影响,样本数据通常含有噪声和异常值,这些数据使支持向量机的学习能力受到影响,表现在对异常值较敏感、鲁棒性较差等。本文拟从损失函数的角度出发,应用最优化理论与方法,研究具有鲁棒性的支持向量机改进模型与求解算法,使其能更有效地解决实际问题。

提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。