支持向量机及其个人信用评估PDF|Epub|txt|kindle电子书版本网盘下载

支持向量机及其个人信用评估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

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

2.7.2v-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 LIBSVM42

3.4.1 LI BSV M简介42

3.4.2 Windows操作系统下I.IBSV M可执行文件的使用42

3.4.3在MATLAB下使用LIBSV M48

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