支持向量机建模及其智能优化 本书特色

王建国、张文兴等编著的《支持向量机建模及其智能优化》以实际工业过程为背景，研究了冶金生产过程、化工生产过程，并获取了大量的实际生产数据，利用数据挖掘方法，挖掘出数据中隐含的生产规律，提出了一些改进的建模方法和优化方法，这些方法不仅适用于冶金和化工，还可广泛用于装备制造、材料、航天航空等领域。本书的建模方法主要以支持向量机为基础，针对数据分布不平衡和海量数据的建模问题、模型的在线学习和优化问题进行了相关的算法研究，如粒度支持向量机、主动学习的增量支持向量机、误差校正的混合核函数在线支持向量机、粒子群智能优化方法和蚁群智能优化方法等，这些方法均配有仿真实验和实际生产数据实验，用于验证方法的有效性。本书作为专业学术类参考书，可供高年级本科生、研究生、工程师、高校教师等人员阅读参考。

支持向量机建模及其智能优化 内容简介

本书内容以实际工业过程为背景，研究了冶金生产过程、化工生产过程并获取了大量的实际生产数据，利用数据挖掘方法，挖掘出数据中隐含的生产规律，提出来一些改进的建模方法和优化方法，这些方法不仅适用于冶金和化工，，还可广泛用于装备制造、材料、航天航空等领域。本书作为专业学术类参考书，适合于高年级本科生、研究生、工程师、高校教师等研究人员。本书的建模方法主要以支持向量机为基础，针对数据分布不平衡和海量数据的建模问题、模型的在线学习和优化问题净心莲相关的算法研究，如粒度支持向量机、主动学习的增量支持向量机、误差校正的混合核函数在线支持向量机、粒子群智能优化方法和蚁群智能优化方法等，这些方法均配有仿真实验和实际生产数据实洋，用于验证方法的有效性。

支持向量机建模及其智能优化 目录

第1章绪论1.1引言1.2模型预测方法1.3统计学习理论基础1.3.1vc维1.3.2经验风险*小化原则1.3.3结构风险*小化原则1.4支持向量机的提出1.5支持向量机理论1.5.1分类支持向量机1.5.2回归支持向量机1.6支持向量机算法研究1.6.1块算法1.6.2分解算法1.6.3并行学习算法1.6.4原始空间中的学习算法1.6.5集成学习算法1.6.6复杂条件下的学习算法1.7支持向量机的参数优化1.7.1参数对支持向量机的影响1.7.2遗传算法优化支持向量机1.7.3蚁群算法优化支持向量机1.7.4粒子群算法优化支持向量机参考文献第2章连续过松弛和严格凸二次规划的支持向量机2.1支持向量机的大规模训练样本方法2.1.1块算法2.1.2固定工作样本集法2.1.3增量学习算法2.1.4*小二乘算法2.1.5连续过松弛算法2.2连续过松弛和严格凸二次规划的支持向量机建模方法2.2.1严格的凸二次规划2.2.2快速支持向量机算法fsvm2.2.3仿真实验及结果2.2.4小结2.3基于fsvm方法在带钢连续热镀锌质量建模中的应用2.3.1带钢连续热镀锌生产概述2.3.2冷轧热镀锌带钢的产品质量及其影响因素2.3.3模型参数的确定和样本的收集2.3.4数据预处理2.3.5预测模型的评判和参数选择2.3.6建立锌层重量预测模型2.3.7小结参考文献第3章基于模糊c均值和snn相似度的粒度支持向量机3.1粒度计算3.1.1词计算模型3.1.2粗糙集模型3.1.3商空间模型3.2粒度支持向量机3.2.1粒度支持向量机的研究现状3.2.2粒度支持向量机理论3.3核模糊c均值聚类3.3.1k均值聚类3.3.2模糊c均值聚类3.3.3核模糊c均值聚类3.4基于核模糊c均值聚类的粒度支持向量机3.4.1算法原理及流程3.4.2仿真实验3.4.3小结3.5基于snn相似度的粒度支持向量机3.5.1共享*近邻相似度3.5.2k*近邻连通度3.5.3gsvm-snn算法步骤3.5.4仿真实验3.5.5小结3.6粒度支持向量回归机在甲醇合成中应用3.6.1粒度支持向量回归机3.6.2甲醇合成过程3.6.3影响甲醇合成的关键参数3.6.4甲醇合成建模参考文献第4章基于凸壳和kkt条件的增量支持向量机4.1支持向量机增量学习4.2主动学习4.3凸壳理论4.4基于kkt条件约束的增量支持向量机4.4.1算法原理4.4.2算法步骤4.4.3实验分析4.5基于凸壳和kkt条件约束的增量支持向量机建模方法4.5.1主动学习算法性能4.5.2基于主动学习的支持向量机增量学习算法性能4.6小结参考文献第5章误差校正的混合核函数在线支持向量机5.1在线支持向量机5.2**在线支持向量回归机算法原理5.3核函数分析5.3.1单一核函数5.3.2混合核函数5.4混合核函数的**在线支持向量机5.4.1数据预处理5.4.2算法步骤5.4.3仿真实验5.4.4小结5.5基于误差校正的混合核函数**在线支持向量机5.5.1误差校正5.5.2仿真实验5.5.3小结5.6在线支持向量机在甲醇合成中的应用5.6.1模型的参数选择5.6.2甲醇合成在线支持向量机建模参考文献第6章基于邻域自适应选取和双种群的粒子群优化支持向量机6.1粒子群优化方法6.1.1粒子群优化算法概述6.1.2标准粒子群算法6.1.3基本流程6.2非线性惯性权重和邻域自适应选取的粒子群优化支持向量机6.2.1对粒子速度与位置更新策略的改进6.2.2对惯性权重搜索方法的改进6.2.3ipso优化svm6.2.4实验分析6.3双种群的粒子群优化支持向量机6.3.1基于双种群的粒子群优化算法6.3.2双种群粒子群优化算法寻优过程模拟6.3.3基于dp-pso优化svm的步骤及流程6.3.4预测模型的评价指标6.3.5实验分析6.3.6小结参考文献第7章权重分配的分段蚁群算法优化支持向量机7.1蚁群算法7.1.1蚁群算法的原理7.1.2蚁群算法的数学模型7.1.3蚁群算法的特点7.1.4蚁群算法的若干改进7.2分段蚁群算法优化svm7.3权重分配蚁群算法优化svm7.4基于权重分配的分段蚁群优化svm的甲醇合成转化率预测7.5小结参考文献