支持向量机鲁棒性模型与算法研究

　　支持向量机是基于统计学习理论，以结构风险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。《支持向量机鲁棒性模型与算法研究》拟从损失函数的角度出发，应用优化理论与方法，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。

　　王快妮，女，1982年12月出生，博士，西安石油大学理学院讲师（2015年7月至今），东南大学数学博士后流动站在站博士后（2018年7月至今）。2015年6月在中国农业大学获得运筹与管理专业博士学位，主要从事机器学习及优化理论方面的研究。在《Knowledge-Based Systems》《Neural Processing Letters）《Applied Sot Computing》等国内外学术期刊上发表论文20余篇，其中以作者发表SCI、EI收象论文9篇。圆前主持一项中国博士后基金项目，主持并完成一项国家自然科学基金项目。

第1章 绪论
1．1 研究背景与意义
1．2 鲁棒支持向量机国内外研究现状
1．2．1 基于异常值剔除技术的鲁棒SVM
1．2．2 加权形式或模糊隶属度的鲁棒SVM
1．2．3 基于p-范数的鲁棒SVM
1．2．4 基于损失函数的鲁棒SVM
1．2．5 其他形式的鲁棒SVM
1．3 支持向量机基础知识
1．3．1 支持向量机模型
1．3．2 损失函数
1．3．3 原始空间支持向量机
第2章 基于非凸广义线性损失函数的鲁棒支持向量回归机及应用
2．1 广义线性损失函数
2．2 基于非凸广义线性损失函数的鲁棒支持向量回归机
2．2．1 非凸广义线性损失函数
2．2．2 鲁棒SVR模型
2．2．3 凹凸过程
2．2．4 算法实现
2．3 数值实验
2．3．1 真实数据实验
2．3．2 金融时间序列数据实验
2．3．3 排序学习数据实验
2．4 本章小结
第3章 基于非凸广义二次损失函数的鲁棒支持向量回归机
3．1 广义二次损失函数
3．2 基于非凸广义二次损失函数的鲁棒支持向量回归机
3．2．1 非凸广义二次损失函数
3．2．2 DC规划及算法实现
3．3 数值实验
3．4 本章小结
第4章 基于非凸二次损失函数的鲁棒最小二乘支持向量回归机
4．1 非凸二次损失函数
4．2 基于非凸二次损失函数的鲁棒最小二乘支持向量回归机
4．2．1 RLS．SVR求解及算法实现
4．2．2 收敛性和复杂度分析
4．3 数值实验
4．3．1 模拟数据实验
4．3．2 真实数据实验
4．3．3 参数分析
4．4 本章小结
第5章 基于Laplace损失函数的鲁棒最小二乘支持向量回归机
5．1 基于Laplace损失函数的鲁棒最小二乘支持向量回归机
5．2 算法实现
5．3 数值实验
5．3．1 模拟数据实验
5．3．2 真实数据实验
5．4 本章小结
第6章 基于最大相关熵准则的鲁棒中心支持向量回归机
6．1 中心支持向量回归机
6．2 最大相关熵准则
6．3 基于最大相关熵准则的鲁棒中心支持向量回归机
6．4 数值实验
6．4．1 模拟实验
6．4．2 真实数据实验
6．5 本章小结
第7章 抗标签噪声的鲁棒最小二乘支持向量回归机
7．1 鲁棒最小二乘支持向量分类机
7．1．1 最小二乘支持向量分类机
7．1．2 Ramp损失函数
7．1．3 基于Ramp损失函数的鲁棒最小二乘支持向量机
7．2 数值实验
7．3 本章小结
第8章 最小二乘支持向量机在洪水流量和煤炭发热量预测的应用
8．1 最小二乘支持向量机在洪水流量预测应用
8．1．1 滚动时间窗
8．1．2 新疆玛纳斯河流域洪水流量预测应用
8．2 最小二乘支持向量机在煤炭发热量的预测应用
8．2．1 模型评价指标
8．2．2 山西煤炭主产区煤炭发热量预测应用
8．3 本章小结
后记
参考文献