梁錦錦著的《支持向量機算法及在大規模樣本集
的應用》是關於支持向量機理論及算法的專著。全書
共分為八章，第1章介紹了數據挖掘算法的發展歷程
、支持向量機的研究現狀；第2章介紹了統計學習理
論和最優化理論中的重要概念和定理；第3章在最優
分類超平面基礎之上，詳細闡述了三類情形下的支持
向量機模型；第4章至第6章依次介紹了最小二乘支持
向量機、支持向量域描述、光滑支持向量機；第7章
將支持向量機與其他算法集成，展示在大規模樣本集
上的分類性能；第8章展望支持向量機未來的發展趨
勢。
本書理論體繫完整，材料取舍得當，內容全面新
穎，充分反映了近年來支持向量機理論的研究動態，
適合從事支持向量機理論研究和數據挖掘專業的技術
人員和教師參考，也可以作為相關學科專業的研究生
教材。

4.3.5 小結
4.4 本章小結
5 支持向量域描述算法
5.1 研究現狀
5.2 工作機理
5.2.1 線性空間
5.2.2 特征空間
5.2.3 支持向量特性及分布
5.3 約簡支持向量域描述
5.3.1 中心距離比值
5.3.2 約簡支持向量域描述
5.3.3 約簡集規模
5.3.4 數值實驗
5.3.5 結論
5.4 信賴支持向量域描述
5.4.1 信賴支持向量域描述
5.4.2 抽樣集規模
5.4.3 抽樣集分布
5.4.4 參數設置和復雜度
5.4.5 數值實驗
5.4.6 結論
5.5 本章小結
6 光滑支持向量機算法
6.1 引言
6.2 Mangasasian的光滑
6.2.1 標準
6.2.2 光滑支持向量機
6.2.3 多項式光滑模型
6.3 光滑對角加權支持向量機
6.3.1 二次損失函數
6.3.2 線性光滑對角加權支持向量機
6.3.3 非線性光滑對角加權支持向量機
6.3.4 算法實現
6.3.5 數值實驗
6.4 隱空間光滑支持向量機
6.4.1 隱空間簡介
6.4.2 隱空間支持向量機
6.4.3 隱空間光滑支持向量?
6.4.4 PSO參數尋優
6.4.5 數值試驗
6.4.6 結束語
6.5 本章小結
7 大規模樣本集下的支持向量機算法
7.1 同心超球面支持向量機
7.1.1 理論基礎
7.1.2 同心超球面組的構造
7.1.3 算法實現
7.1.4 數值實驗
7.1.5 小結
7.2 支持向量機的集成算法
7.2.1 集成學習算法概述