支持向量机算法及其金融应用

　　本书综合了大量国内外的最新资料和作者的研究成果，有选择地介绍了支持向量机的一些算法和应用。

　　本书综合了大量国内外的最新资料和作者的研究成果，有选择地介绍了支持向量机的一些算法和应用。全书从结构上分为三篇：第一篇介绍了支持向量机的一些概念；第二篇具体介绍了一些支持向量机的算法，包括支持向量机的结构修剪方法、粗略删除支持向量的方法、特征空间椭圆模式挖掘、在特征空间和经验图中的训练算法、奇偶校验问题的一些解法，并研究了支持向量机超曲面对两类样本的分隔问题。第三篇主要讨论了支持向量机的应用问题，包括互联网金融信息时间序列、股价预测等问题，以及互联网金融信息分析系统的介绍。

　　梁循，中国人民大学信息学院经济信息管理系教授、博导。在数据挖掘和金融信息系统领域学习工作20余年，积累了较丰富的学习和研究经验。在清华大学计算机应用专业获博士学位、斯坦福大学经济专业获硕士学位。曾在北京大学计算机所、加拿大Univ of New Brunswick计算机系完成两站博士后研究。曾在美国硅谷高科技公司任CTO等职、洪堡学者。曾主持863项目、及多项国家自然科学基金项目。曾开设课程《网络金融》、《高级网络金融》、《商务建模与商务智能》等。
　　出版著作教材7部，发表论文100余篇，其中30余篇被SCI索引，包括IEEE Transactions on Neural Networks、Pattern Recognition Letters、Electronic Commerce Research and Applications、Neurocomputing、International Journal of Neural Systems等。任IEEE Senior Member、系统工程学会社会经济系统专业委员会理事、优选法统筹法及经济数学研究会理事，及多个国内国际会议委员和分会主席等。

绪论篇
　第1章　绪论
  　1．1  概述
　  1．2　线性可分问题的SVM方法
  　1．3　线性不可分问题的SVM方法
　  1．4　核函数
  　1．5　支持向量及非支持向量和超平面的关系
　  1．6　SVM的模型选择问题
  　1．7　SVM与解非线性方程组
　  1．8　决策函数、Fisher判别和Rayleigh商
  　1．9　Libsvm仿真平台
算法篇
应用篇
参考文献