Support Vector Machines for Pattern Classification

I was shocked to see a student’s report on performance comparisons between support vector machines (SVMs) and fuzzy classi?ers that we had developed withourbestendeavors.Classi?cationperformanceofourfuzzyclassi?erswas comparable, but in most cases inferior, to that of support vector machines. This t...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Abe, Shigeo (Συγγραφέας)
Συγγραφή απο Οργανισμό/Αρχή: SpringerLink (Online service)
Μορφή: Ηλεκτρονική πηγή Ηλ. βιβλίο
Γλώσσα:English
Έκδοση: London : Springer London, 2005.
Σειρά:Advances in Pattern Recognition
Θέματα:
Διαθέσιμο Online:Full Text via HEAL-Link
Πίνακας περιεχομένων:
  • Two-Class Support Vector Machines
  • Multiclass Support Vector Machines
  • Variants of Support Vector Machines
  • Training Methods
  • Feature Selection and Extraction
  • Clustering
  • Kernel-Based Methods
  • Maximum-Margin Multilayer Neural Networks
  • Maximum-Margin Fuzzy Classifiers
  • Function Approximation.