核函数理论与信号处理2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

核函数理论与信号处理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 机器学习1

1.1 机器学习的起源与发展1

1.1.1 机器学习概述1

1.1.2 核机器方法4

1.1.3 非平稳信号与小波技术5

1.2 统计学习理论基础7

1.2.1 一致性概念与函数集VC维7

1.2.2 四种重要的归纳原则9

1.2.3 模式识别与回归估计13

1.2.4 函数集的熵与推广能力的界14

1.3 支持向量机基础及其优缺点分析17

1.3.1 最优分类超平面17

1.3.2 支持向量分类机19

1.3.3 支持向量回归机20

1.3.4 支持向量方法的优缺点分析23

参考文献24

第2章 支持向量预提取方法25

2.1 准支持向量概念的提出25

2.2 关于准支持向量集上的界的证明27

2.2.1 在区间（2,∞）的情形27

2.2.2 在区间（1,2］的情形29

2.3 支持向量预提取30

2.3.1 感知机模型31

2.3.2 核感知支持向量机32

2.4 实验情况36

2.4.1 分类的情形36

2.4.2 回归的情形38

2.4.3 几个回归实例的性能对比与分析39

2.5 在遥感数据处理中的研究40

2.5.1 经典方法41

2.5.2 数据来源与预处理41

2.5.3 核函数方法42

2.5.4 实验结果对比与分析46

2.6 小结49

参考文献49

第3章 小波核函数与支持向量机51

3.1 小波的理论基础51

3.1.1 小波变换与加窗傅里叶变换的异同51

3.1.2 再生核Hilbert空间54

3.1.3 连续小波变换与离散小波变换55

3.2 两种小波核函数的相关证明57

3.2.1 两种复小波57

3.2.2 满足Mercer条件的证明59

3.2.3 在Hilbert空间满足再生性的证明60

3.3 小波核机器方法63

3.3.1 主分量分析63

3.3.2 小波核机器的构建65

3.4 对比实验66

3.4.1 数据预处理66

3.4.2 参数选择67

3.4.3 预测结果67

3.4.4 几种小波核与常规核的性能对比69

3.5 小结70

参考文献71

第4章 模糊小波支持向量机72

4.1 理论基础72

4.1.1 多分辨分析72

4.1.2 尺度函数与小波函数74

4.1.3 模糊特征与结果处理76

4.1.4 模糊度量与模糊聚类方法78

4.2 关于一致逼近性的证明80

4.3 模糊小波支持向量核机器方法82

4.3.1 小波核函数方法82

4.3.2 模糊小波支持向量核机器方法82

4.3.3 多参数同步优化策略84

4.4 模糊小波方法与电网负荷预测研究86

4.4.1 数据预处理88

4.4.2 参数选择分析88

4.4.3 对比实验与结果分析89

4.5 小结92

参考文献92

第5章 基于SVM的交通流量预测94

5.1 交通流量的特征分析95

5.2 数据来源与预处理96

5.3 核机器的选择与构建97

5.4 对比实验98

5.4.1 特征量提取98

5.4.2 正常上班日流量预测98

5.4.3 双休日流量预测100

5.5 几种核函数的性能对比分析101

5.6 小结102

参考文献103

第6章 SVM在反求工程中的应用104

6.1 反求工程建模的基本步骤106

6.2 点云处理的数学方法109

6.2.1 基于网格和基于点的表达方法109

6.2.2 基于点的表面几何表达111

6.2.3 基于点的数据处理115

6.2.4 基于点的曲面重建119

6.3 一种小波核的构建与证明120

6.3.1 满足Mercer条件的证明121

6.3.2 在Hilbert空间满足再生性的证明122

6.4 小波核机器的构建123

6.5 基于纹理的点云建模125

6.5.1 用强特征构建轮廓125

6.5.2 用回归曲线构建封闭区域128

6.5.3 用弱特征构建区域纹理129

6.5.4 对比实验130

6.6 应用实例131

6.6.1 点云空洞修补132

6.6.2 发动机连接件表面重建137

参考文献139

第7章 SVM在时间渐变序列中的应用141

7.1 含沙水体对叶轮磨蚀特性的模糊支持向量预测法141

7.1.1 模糊支持向量机142

7.1.2 仿真实验144

7.1.3 结论和讨论148

7.2 长储装备中钛合金连接件的大气腐蚀研究149

7.2.1 钛合金大气腐蚀机理分析149

7.2.2 支持向量机151

7.2.3 仿真实验152

7.2.4 结论和讨论155

7.3 装备中碳纤维复合材料湿热老化的SVM研究方法156

7.3.1 仿真实验156

7.3.2 结论和讨论159

参考文献160