Enhancing Kernel Methods for Pattern Classification, Fachbücher von Ke Tang

Das Buch "Enhancing Kernel Methods for Pattern Classification" bietet eine umfassende Untersuchung der Kernelmethoden, insbesondere der Least Square Support Vector Machines (LS-SVM). Diese Techniken haben sich als leistungsstark in der Musterklassifikation erwiesen, jedoch sind viele neu entwickelte Kernelmethoden noch verbesserungswürdig. Der Autor, Ke Tang, widmet sich der Optimierung der LS-SVM in vier spezifischen Bereichen: Modellauswahl, Merkmalsauswahl, Aufbau sparsamer Kernelklassifizierer und Ensemble-Methoden für Kernelklassifizierer. Die in diesem Buch präsentierten Ansätze sind nicht nur auf die LS-SVM beschränkt, sondern können auch auf andere verwandte Kernelmethoden angewendet werden, um deren Effizienz zu steigern. Die Ergebnisse und Erkenntnisse sind besonders wertvoll für Fachleute, die sich mit den theoretischen Aspekten der Kernelmethoden beschäftigen, sowie für alle, die an der praktischen Anwendung dieser Methoden in realen Klassifikationsproblemen interessiert sind.