不確定性支持向量機原理及應用

前言
第1章 最優(yōu)化理論基礎(chǔ)
1.1 最優(yōu)化問題
1.1.1 最優(yōu)化問題
1.1.2 線性規(guī)劃
1.1.3 凸最優(yōu)化
1.2 最優(yōu)性條件
1.2.1 幾何最優(yōu)性條件
1.2.2 Fritz John條件
1.2.3 KKT條件
1.2.4 鞍點
1.2.5 對偶理論
1.2.6 二次規(guī)劃
1.3 最優(yōu)化算法
1.3.1 線性逼近法
1.3.2 線性約束條件下的線性逼近法
1.3.3 非線性約束性條件下的線性逼近法
1.3.4 可行方向法
1.3.5 投影梯度法
1.3.6 罰函數(shù)法
第2章 不確定性數(shù)學基礎(chǔ)
2.1 模糊數(shù)學
2.1.1 模糊子集及其運算
2.1.2 模糊集的基本定理
2.1.3 模糊矩陣
2.1.4 模糊關(guān)系
2.1.5 模糊等價矩陣
2.2 粗糙集
2.2.1 粗糙集理論的基本思想
2.2.2 粗糙集理論的產(chǎn)生的發(fā)展
2.2.3 粗糙集理論的一些基本概念
2.2.4 粗糙集的應用
2.3 未確知理論
2.3.1 未確知數(shù)的概念
2.3.2 未確知數(shù)的加減運算
2.3.3 未確知數(shù)的乘除運算
2.3.4 未確知數(shù)的大小關(guān)系
2.3.5 未確知數(shù)的數(shù)學期望與方差
2.3.6 高階未確知數(shù)降階方法
第3章 統(tǒng)計學習理論與支持向量機
3.1 統(tǒng)計學習理論
3.2 支持向量分類
3.2.1 基本概念
3.2.2 線性支持向量機
3.2.3 非線性支持向量機
3.2.4 支持向量分類算法
3.2.5 模型參數(shù)選擇
3.2.6 其他分類模型
3.3 支持向量回歸
3.3.1 ε-支持向量回歸
3.3.2 ν-支持向量回歸
3.3.3 其他回歸模型
3.3.4 時間序列分析
3.4 核函數(shù)及其應用
3.4.1 核理論基礎(chǔ)
3.4.2 核主成分分析
3.4.3 預警指標選擇
……
第4章 基于可能性理論的模糊支持向量分類機
第5章 基于模糊系數(shù)規(guī)劃的模糊支持向量分類機
第6章 模糊線性支持向量機
第7章 不確定支持向量機
第8章 不確定有序支持向量回歸
第9章 不確定聚類方法
第10章 建立未確知支持向量機的設(shè)想
第11章 應用
參考文獻