核函数理论与信号处理

非线性非平稳信号普遍存在于工业、金融、军事、交通运输、航空航天等领域，由于它们本身的复杂性以及各动不明扰动的存在，对它们的处理往往需要更多的技巧和技术。基于传统方法的学习机器在样本趋于无穷时，的确表现出非常不错的性能，但在样本数有限时却表现出很差的推广能力。基于核函数理论的支持向量机(SupportVectorMachine,SVM)最近几年得到了机器学习界的广泛关注，它以统计学习理论为基础，通过VC维控制学习机的规模，可以保证收敛到全局最优解，即使在小样本条件下也体现出良好的推广能力。本书主要对机器学习问题、核函数方法、支持向量机等内容进行探讨和分析，构建不同的支持向量机模型，将其应用于海色遥感、时间序列预测、交通流、点云建模等领域，理论分析和实验结果验证了可行性和有效性，表明其特别适合于小样本、非线性、受干扰的信号处理。本书可作为相关专业的人员提供一定的参考。