作者：刘大莲著
出版社： 北京邮电大学出版社
CIP号：2017192079
书号：978-7-5635-5176-7
出版地：北京
出版时间：2017.8
定价：￥30
稀疏学习是一种有效处理冗余问题的方法。目前，稀疏优化方法已广泛应用于信号压缩感知、图像处理等实际问题中，其理论和算法都在快速发展中。支持向量机（SVM）作为通用的机器学习方法，具有坚实的统计学习理论基础，实际应用效果好，使用方便，模型参数较少。但国内外关于大规模稀疏支持向量机的理论研究和方法并不成熟，缺乏理论基础和模型算法，尚处于初始阶段。比如：（1）稀疏模型的有效性检验指标，即如何度量模型的稀疏程度以及稀疏效果的好坏问题等；（2）大规模问题的稀疏模型缺乏统一的理论基础；（3）大规模问题的稀疏优化模型求解问题；（4）拓展研究比较少，对其拓展有较大空间。本书从最优化的角度对上述多方面进行了系统阐述。主要包括：（1）构建了多种新的损失函数，将其引入到非平行SVM模型中，得到了具有稀疏性和鲁棒性的新模型；（2）构造了能沟求解较大规模问题的非平行SVM；（3）从理论上证明了非平行SVM与Uninversum-SVM的等价性，并给出了非平行SVM的统计学习解释；（4）全局优化和约束优化问题及相应的求解算法。