幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

支持向量機及其個人信用評估

  • 作者：高尚
  • 出版社：西安電子科大
  • ISBN：9787560630861
  • 出版日期：2013/07/01
  • 裝幀：平裝
  • 頁數：214
人民幣：RMB 32 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《支持向量機及其個人信用評估》由高尚著，是一本將支持向量機理論與個人信用評估相結合的書。本書首先研究支持向量機理論，討論了支持向量機在許多領域的應用，並針對個人信用評估問題，探討了個人信用評估的兩大類方法：一類是分類方法，即利用C5.O決策樹演算法、分類與回歸樹法(CART)、神經網路和支持向量機分類對信用進行分類；另一類是回歸方法，即利用支持向量機回歸模型來對個人信用進行評估。由於編製支持向量機的程序不是一件容易的事情，因此本書僅介紹3種常見的支持向量機工具箱和SPSS Clementine軟體，並給出了源程序，可再現書中所介紹的方法。本書特別適合非電腦專業的人員使用。
    《支持向量機及其個人信用評估》可作為電腦類、管理學等專業的高年級本科生、研究生教材或教師的教學參考書，也可供相關領域的科研人員參閱。
作者介紹
高尚
目錄
第1章  概述
  1.1 支持向量機研究現狀
  1.2 個人信用評估的意義及發展
  1.2.1 個人信用評估的意義
  1.2.2 個人信用評估的發展歷史
  1.2.3 個人信用評估的現狀
  1.3 個人信用評估的主要方法
  1.4 本書內容結構框架
第2章  支持向量機理論
  2.1 支持向量機概述
  2.2 統計學習理論
  2.2.1 統計學習理論的核心內容
  2.2.2 學習過程一致性的條件
  2.2.3 VC維
  2.2.4 推廣性的界
  2.2.5 結構風險最小化
  2.3 支持向量機內涵
  2.4 支持向量分類
  2.4.1 線性支持向量機
  2.4.2 非線性支持向量機
  2.4.3 支持向量機的核函數
  2.4.4 訓練演算法
  2.5 支持向量回歸
  2.5.1 線性回歸情形
  2.5.2 非線性回歸情形
  2.6 支持向量機模型的參數選擇
  2.7 支持向量機的變形演算法
  2.7.1 C-SVM演算法
  2.7.2 V-SVM演算法
  2.7.3 One-classSVM演算法
  2.7.4 WSVM演算法
  2.7.5 最小二乘支持向量機演算法
  2.7.6 粒度支持向量機演算法
  2.7.7 孿生支持向量機演算法
  2.7.8 簡約支持向量機演算法
  2.7.9 排序支持向量機演算法
  2.7.10 基於組合的支持向量機演算法
  2.7.11 基於多類問題的支持向量機演算法
  2.8 支持向量機方法的特點
  2.9 本章小結
第3章  支持向量機工具箱及應用
  3.1 支持向量機軟體介紹
  3.2 LS—SVMlab的使用
  3.2.1 LS—SVMlab工具箱簡介
  3.2.2 LS-SVMIab工具箱的使用方法
  3.2.3 實例
  3.3 MATLABSVMToolbox的使用
  3.3.1 MATLABSVMToolbox工具箱簡介
  3.3.2 MATLABSVMToolbox工具箱的使用方法
  3.3.3 實例

  3.4 LIBSVM
  3.4.1 LIBSVM簡介
  3.4.2 Windows操作系統下LIBSVM可執行文件的使用
  3.1.3 在MATLAB下使用LIBSVM
  3.4.4 實例
第4章  支持向量機的應用
  4.1 不同準則下的線性支持向量機回歸
  4.1.1 支持向量機回歸模型
  4.1.2 使殘差的平方和為最小
  4.1.3 使殘差的最大絕對值為最小
  4.1.4 使殘差的絕對值之和為最小
  4.1.5 實例計算與分析
  4.1.6 本節小結
  4.2 基於粗糙集和支持向量機的效能評定
  4.2.1 引言
  4.2.2 效能評定的主要方法
  4.2.3 知識約簡方法
  4.2.4 基於支持向量機效能模型
  4.2.5 本節小結
  4.3 基於支持向量機的武器系統參數費用模型
  4.3.1 引言
  4.3.2 武器系統參數費用模型
  4.3.3 知識約簡方法
  4.3.4 基於支持向量機參數費用模型
  4.3.5 本節小結
  4.4 基於主成分分析和支持向量機的威脅判斷模型
  4.4.1 引言
  4.4.2 威脅判斷的指標選取
  4.4.3 主成分分析
  4.4.4 基於支持向量機威脅度評估模型
  4.4.5 本節小結
  4.5 基於支持向量機的電價組合預測
  4.5.1 電價預測概況
  4.5.2 組合預測研究現狀
  4.5.3 線性組合預測
  4.5.4 支持向量機非線性組合預測模型
  4.5.5 算例分析和討論
  4.5.6 本節小結
  4.6 基於支持向量機的船型主尺度要素數學模型
  4.6.1 概述
  4.6.2 支持向量機回歸模型
  4.6.3 船型主尺度要素的支持向量機回歸模型
  4.6.4 與其他方法比較
  4.6.5 本節小結
  4.7 基於粗糙集與模糊支持向量機的模式分類方法
  4.7.1 粗糙集理論預處理方法
  4.7.2 模糊支持向量機
  4.7.3 實驗結果及分析
  4.7.4 本節小結
  4.8 本章小結

第5章  個人信用評價指標體系的構建
  5.1 個人信用評估定義
  5.2 個人信用評估模式
  5.3 個人信用評價指標體系構建原則
  5.4 國外個人信用評價體系情況
  5.5 國內個人信用評價體系情況
  5.6 個人信用評價指標建立
  5.7 個人信用數據的來源和預處理
  5.8 德國個人信用數據集
第6章  SPSSClementine語言
  6.1 SPSSClementine語言介紹
  6.2 SPSSClementine語言使用
  6.2.1 操作界面的介紹
  6.2.2 數據流基本操作的介紹
  6.3 SPSSClementine語言示例1：因子分析
  6.4 SPSSClementine語言示例2：神經網路
第7章  基於決策樹C5.0演算法的個人信用評估
  7.1 決策樹方法
  7.2 ID3 演算法
  7.3 C4.5 演算法
  7.4 C5.O演算法及實例
  7.5 基於C5.O演算法的個人信用評估
  7.6 誤分類損失分析
  7.7 本章小結
第8章  基於分類與回歸樹的個人信用評估
  8.1 分類與回歸樹方法
  8.1.1 分類與回歸樹方法概況
  8.1.2 生成最大樹
  8.1.3 樹的修剪
  8.1.4 子樹評估
  8.2 基於CART的個人信用評估
  8.3 誤分類損失分析
  8.4 本章小結
第9章  基於神經網路的個人信用評估
  9.1 神經網路概況
  9.2 神經網路模型
  9.2.1 生物神經網路的啟示
  9.2.2 人工神經元模型
  9.2.3 人工神經網路模型
  9.3 神經網路的特徵
  9.3.1 神經網路的工作過程
  9.3.2 神經網路的學習規則
  9.3.3 神經網路的特點及應用領域
  9.4 多層感知器和BP演算法
  9.4.1 多層感知器網路結構
  9.4.2 BP演算法傳播過程
  9.4.3 演算法學習規則
  9.4.4 演算法步驟
  9.4.5 BP演算法優缺點
  9.5 基於神經網路的個人信用評估方法

  9.6 專家設置
  9.7 本章小結
第10章  基於支持向量機分類的個人信用評估
  10.1 支持向量機分類
  10.2 基於支持向量機分類的個人信用評估方法
  10.2.1 字元和數字化混合數據集
  10.2.2 數字化數據集
  10.3 本章小結
第11章  基於K均值與支持向量機的個人信用評估
  11.1 K均值演算法
  11.1.1 K均值數學模型
  11.1.2 K-均值演算法及例子
  11.1.3 K-means聚類演算法的MATLAB實現
  11.2 測試數據說明
  11.3 簡單聚類方法
  11.4 基於支持向量機的分類方法
  11.5 與K-means結合的支持向量機個人信用評估方法
  11.6 本章小結
第12章  總結
附錄A 簡單聚類個人信用評估方法程序
附錄B 基於支持向量機的分類方法
附錄C 與K-means結合的支持向量機方法
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032