模式分析的核方法2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

模式分析的核方法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目录出版者的话专家指导委员会译者序前言第一部分　基本概念第1章　模式分析1

1.1　数据中的模式1

1.1.1　数据1

1.1.2　模式2

1.2　模式分析算法7

1.2.1　模式的统计稳定性7

1.2.2　通过重新编码检测模式9

1.3.1　整体的策略10

1.3　利用模式10

1.3.2　常见模式分析任务11

1.4　小结13

1.5　进一步阅读和高级主题13

第2章 核方法概要15

2.1　概述15

2.2　特征空间中的线性回归16

2.2.1　原始线性回归16

2.2.2　原始岭回归和对偶岭回归19

2.2.3　由核定义的非线性特征映射20

2.3　其他例子22

2.3.1　算法22

2.3.2　核24

2.4　核方法的模块性25

2.5　本书的路线图26

2.6　小结27

2.7　进一步阅读和高级主题27

3.1.1　希尔伯特空间29

3.1　内积和半正定矩阵29

第3章 核的性质29

3.1.2　Gram矩阵32

3.2　核的描述37

3.3　核矩阵42

3.4　核的构造46

3.4.1　核函数上的运算46

3.4.2　核矩阵上的运算49

3.5　小结51

3.6　进一步阅读和高级主题51

4.1　集中度不等式53

第4章 检测稳定的模式53

4.2　容量和正则化：Rademacher理论58

4.3　基于核的类的模式稳定性61

4.4　一种实用的方法65

4.5　小结66

4.6　进一步阅读和高级主题66

第二部分　模式分析算法第5章 特征空间中的基本算法69

5.1　均值和距离69

5.1.1　一种简单的新颖检测算法72

5.1.2　一种简单的分类算法74

5.2　计算投影：Gram-Schmidt法、QR法和Cholesky法76

5.3　衡量数据的分散度81

5.4　Fisher判别式分析Ⅰ83

5.5　小结87

5.6　进一步阅读和高级主题87

第6章　利用特征分解法做模式分析89

6.1　奇异值分解89

6.2　主成分分析91

6.2.1　核主成分分析95

6.2.2　主成分分析的稳定性96

6.3　最大协方差的方向99

6.4　广义特征向量问题102

6.5　典型相关分析105

6.6　Fisher判别式分析Ⅱ112

6.7　用于线性回归的方法113

6.7.1　偏最小二乘法115

6.7.2　核偏最小二乘法120

6.9　进一步阅读和高级主题124

6.8　小结124

第7章 利用凸优化法做模式分析126

7.1　最小封闭超球体126

7.1.1　包含点集的最小超球体127

7.1.2　新颖检测的稳定性129

7.1.3　包含大部分点的超球体130

7.2　用于分类的支持向量机137

7.2.1　最大间隔分类器137

7.2.2　软间隔分类器142

7.3.1　回归的稳定性150

7.3　用于回归的支持向量机150

7.3.2　岭回归151

7.3.3　ε－不敏感回归152

7.4　在线分类和回归157

7.5　小结162

7.6　进一步阅读和高级主题163

第8章 排列、聚类和数据可视化164

8.1　发现排列关系164

8.1.1　批排列166

8.1.2　在线排列170

8.2　发现特征空间中的聚类结构172

8.2.1　衡量聚类质量173

8.2.2　贪婪解：k－均值法178

8.2.3　松弛解：谱方法179

8.3　数据可视化183

8.4　小结186

8.5　进一步阅读和高级主题186

9.1　封闭形式的核189

第三部分　构造核第9章 基本的核和核的类型189

9.2　ANOVA核193

9.3　来自图的核197

9.4　图结点上的扩散核202

9.5　集合上的核204

9.6　实数上的核207

9.7　随机化核208

9.8　其他的核类型209

9.8.1　来自连续嵌入的核209

9.8.2　一般结构上的核210

9.8.3　来自生成信息的核211

9.9　小结211

9.10　进一步阅读和高级主题211

第10章　文本核213

10.1　从词包到语义空间213

10.1.1　表示文本213

10.1.2　语义问题214

10.2　向量空间核215

10.2.1　设计语义核216

10.2.2　设计接近度矩阵218

10.3　小结221

10.4　进一步阅读和高级主题222

第11章 用于结构化数据的核223

11.1　比较串和序列223

11.2　谱核225

11.3　所有子序列核228

11.4　固定长度的子序列核233

11.5　间隙加权的子序列核235

11.5.1　朴素实现法236

11.5.2　高效实现法239

11.5.3　关于主题的变形241

11.6　动态规划以外的方法：基于trie－树的核243

11.6.1 p－谱核的trie－树的计算244

11.6.2 基于trie－树的不匹配核246

11.6.3 基于trie－树的限制性间隙加权核247

11.7　用于结构化数据的核249

11.7.1　比较树250

11.7.2　结构化数据：一个框架255

11.8　小结258

11.9　进一步阅读和高级主题259

第12章 来自生成模型的核260

12.1　P－核260

12.1.1　条件独立和边际化261

12.1.2　表示多元分布262

12.1.3　由隐藏二项式模型生成的固定长度的串263

12.1.4　由隐藏Markov模型生成的固定长度的串265

12.1.5　配对隐藏Markov模型核268

12.1.6　隐藏树模型核272

12.2 Fisher核276

12.2.1　从概率到几何276

12.2.2　隐藏Markov模型的Fisher核282

12.3　小结286

12.4　进一步阅读和高级主题286

附录A　正文中省略的证明287

附录B　数学符号约定292

索引294

参考文献298