支持向量机及个人信用评估 - 中国高校教材图书网
|
书名： |
支持向量机及个人信用评估
|
| ISBN： | 978-7-5606-3086-1 |
责任编辑： | |
| 作者： |
高尚
相关图书
|
装订： | 平装 |
| 印次： | 1-1 |
开本： | 16开 |
| 定价： |
￥32.00
折扣价：￥30.40
折扣：0.95
节省了1.6元
|
字数： |
284千字
|
| 出版社： |
西安电子科技大学出版社 |
页数： |
225页
|
| 出版日期： |
2013-07-01 |
每包册数： |
|
| 国家规划教材： |
|
省部级规划教材： |
|
| 入选重点出版项目： |
|
获奖信息： |
|
|
|
| 内容简介： |
这是一本将支持向量机理论与个人信用评估相结合的书。本书首先研究支持向量机理论，讨论了支持向量机在许多领域的应用，并针对个人信用评估问题，探讨了个人信用评估的两大类方法：一类是分类方法，即利用C5.0决策树算法、分类与回归树法（CART）、神经网络和支持向量机分类对信用进行分类；另一类是回归方法，即利用支持向量机回归模型来对个人信用进行评估。由于编制支持向量机的程序不是一件容易的事情，因此本书仅介绍3种常见的支持向量机工具箱和SPSS Clementine软件，并给出了源程序，可再现书中所介绍的方法。本书特别适合非计算机专业的人员使用。
本书可作为计算机类、管理学等专业的高年级本科生、研究生教材或教师的教学参考书，也可供相关领域的科研人员参阅。
|
| 作者简介： |
|
|
| 章节目录： |
第1章 概述 1
1.1 支持向量机研究现状 1
1.2 个人信用评估的意义及发展 4
1.2.1 个人信用评估的意义 4
1.2.2 个人信用评估的发展历史 5
1.2.3 个人信用评估的现状 6
1.3 个人信用评估的主要方法 7
1.4 本书内容结构框架 9
第2章 支持向量机理论 10
2.1 支持向量机概述 10
2.2 统计学习理论 10
2.2.1 统计学习理论的核心内容 10
2.2.2 学习过程一致性的条件 11
2.2.3 VC维 11
2.2.4 推广性的界 12
2.2.5 结构风险最小化 13
2.3 支持向量机内涵 14
2.4 支持向量分类 15
2.4.1 线性支持向量机 15
2.4.2 非线性支持向量机 16
2.4.3 支持向量机的核函数 17
2.4.4 训练算法 19
2.5 支持向量回归 20
2.5.1 线性回归情形 20
2.5.2 非线性回归情形 21
2.6 支持向量机模型的参数选择 22
2.7 支持向量机的变形算法 22
2.7.1 C-SVM算法 23
2.7.2 v-SVM算法 23
2.7.3 One-class SVM算法 24
2.7.4 WSVM算法 24
2.7.5 最小二乘支持向量机算法 25
2.7.6 粒度支持向量机算法 25
2.7.7 孪生支持向量机算法 25
2.7.8 简约支持向量机算法 26
2.7.9 排序支持向量机算法 26
2.7.10 基于组合的支持向量机算法 26
2.7.11 基于多类问题的支持向量机算法 27
2.8 支持向量机方法的特点 29
2.9 本章小结 30
第3章 支持向量机工具箱及应用 31
3.1 支持向量机软件介绍 31
3.2 LS-SVMlab的使用 33
3.2.1 LS-SVMlab工具箱简介 33
3.2.2 LS-SVMlab工具箱的使用方法 34
3.2.3 实例 34
3.3 MATLAB SVM Toolbox的使用 36
3.3.1 MATLAB SVM Toolbox工具箱简介 36
3.3.2 MATLAB SVM Toolbox工具箱的使用方法 37
3.3.3 实例 39
3.4 LIBSVM 42
3.4.1 LIBSVM简介 42
3.4.2 Windows操作系统下LIBSVM可执行文件的使用 42
3.4.3 在MATLAB下使用LIBSVM 48
3.4.4 实例 51
第4章 支持向量机的应用 53
4.1 不同准则下的线性支持向量机回归 53
4.1.1 支持向量机回归模型 53
4.1.2 使残差的平方和为最小 54
4.1.3 使残差的最大绝对值为最小 54
4.1.4 使残差的绝对值之和为最小 55
4.1.5 实例计算与分析 55
4.1.6 本节小结 59
4.2 基于粗糙集和支持向量机的效能评定 59
4.2.1 引言 59
4.2.2 效能评定的主要方法 60
4.2.3 知识约简方法 60
4.2.4 基于支持向量机效能模型 63
4.2.5 本节小结 66
4.3 基于支持向量机的武器系统参数费用模型 66
4.3.1 引言 66
4.3.2 武器系统参数费用模型 67
4.3.3 知识约简方法 67
4.3.4 基于支持向量机参数费用模型 69
4.3.5 本节小结 72
4.4 基于主成分分析和支持向量机的威胁判断模型 73
4.4.1 引言 73
4.4.2 威胁判断的指标选取 73
4.4.3 主成分分析 73
4.4.4 基于支持向量机威胁度评估模型 75
4.4.5 本节小结 78
4.5 基于支持向量机的电价组合预测 78
4.5.1 电价预测概况 78
4.5.2 组合预测研究现状 78
4.5.3 线性组合预测 82
4.5.4 支持向量机非线性组合预测模型 83
4.5.5 算例分析和讨论 84
4.5.6 本节小结 86
4.6 基于支持向量机的船型主尺度要素数学模型 86
4.6.1 概述 86
4.6.2 支持向量机回归模型 86
4.6.3 船型主尺度要素的支持向量机回归模型 88
4.6.4 与其他方法比较 91
4.6.5 本节小结 91
4.7 基于粗糙集与模糊支持向量机的模式分类方法 92
4.7.1 粗糙集理论预处理方法 92
4.7.2 模糊支持向量机 93
4.7.3 实验结果及分析 98
4.7.4 本节小结 100
4.8 本章小结 100
第5章 个人信用评价指标体系的构建 101
5.1 个人信用评估定义 101
5.2 个人信用评估模式 102
5.3 个人信用评价指标体系构建原则 103
5.4 国外个人信用评价体系情况 103
5.5 国内个人信用评价体系情况 106
5.6 个人信用评价指标建立 109
5.7 个人信用数据的来源和预处理 111
5.8 德国个人信用数据集 114
第6章 SPSS Clementine语言 119
6.1 SPSS Clementine语言介绍 119
6.2 SPSS Clementine语言使用 120
6.2.1 操作界面的介绍 120
6.2.2 数据流基本操作的介绍 122
6.3 SPSS Clementine语言示例1：因子分析 125
6.4 SPSS Clementine语言示例2：神经网络 131
第7章 基于决策树C5.0算法的个人信用评估 139
7.1 决策树方法 139
7.2 ID3算法 140
7.3 C4.5算法 144
7.4 C5.0算法及实例 147
7.5 基于C5.0算法的个人信用评估 151
7.6 误分类损失分析 156
7.7 本章小结 156
第8章 基于分类与回归树的个人信用评估 157
8.1 分类与回归树方法 157
8.1.1 分类与回归树方法概况 157
8.1.2 生成最大树 157
8.1.3 树的修剪 159
8.1.4 子树评估 160
8.2 基于CART的个人信用评估 160
8.3 误分类损失分析 163
8.4 本章小结 165
第9章 基于神经网络的个人信用评估 166
9.1 神经网络概况 166
9.2 神经网络模型 167
9.2.1 生物神经网络的启示 167
9.2.2 人工神经元模型 168
9.2.3 人工神经网络模型 173
9.3 神经网络的特征 175
9.3.1 神经网络的工作过程 175
9.3.2 神经网络的学习规则 176
9.3.3 神经网络的特点及应用领域 176
9.4 多层感知器和BP算法 177
9.4.1 多层感知器网络结构 177
9.4.2 BP算法传播过程 178
9.4.3 算法学习规则 178
9.4.4 算法步骤 179
9.4.5 BP算法优缺点 179
9.5 基于神经网络的个人信用评估方法 180
9.6 专家设置 182
9.7 本章小结 183
第10章 基于支持向量机分类的个人信用评估 184
10.1 支持向量机分类 184
10.2 基于支持向量机分类的个人信用评估方法 185
10.2.1 字符和数字化混合数据集 185
10.2.2 数字化数据集 188
10.3 本章小结 190
第11章 基于K均值与支持向量机的个人信用评估 191
11.1 K均值算法 191
11.1.1 K均值数学模型 191
11.1.2 K-均值算法及例子 192
11.1.3 K-means聚类算法的MATLAB实现 193
11.2 测试数据说明 195
11.3 简单聚类方法 195
11.4 基于支持向量机的分类方法 196
11.5 与K-means结合的支持向量机个人信用评估方法 196
11.6 本章小结 198
第12章 总结 199
附录A 简单聚类个人信用评估方法程序 202
附录B 基于支持向量机的分类方法 205
附录C 与K-means结合的支持向量机方法 207
参考文献 209
|
| 精彩片段： |
|
|
| 书 评： |
|
|
| 其 它： |
|
|
|
中国大学出版社协会 |
首页 |
宏观指导 |
出版社天地 |
图书代办站 |
教材图书信息 |
教材图书评论 |
在线订购 |
教材征订
