支持向量机三_第1页
支持向量机三_第2页
支持向量机三_第3页
支持向量机三_第4页
支持向量机三_第5页
已阅读5页,还剩3页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

SVM三核函数前言:前面讨论的样本都是线性可分的,即存在一个超平面能够将样本正确分类实际任务中,也许并不存在这样的一个线性空间,能够样本分类。例如上图,划分它的平面就不是线性的,但是当把这些点映射到高纬度的空间中,又变成了线性可分的,如下一高维空间的映射如上,一个非线性函数,可以通过向量的内积变换,变成线性函数前一章的SVM问题可以转换为比匕二£2]Mi匕05,恥)》7孔这种通过向量的内积,可以将两个步骤融合在一起,建立一个低维度空间到高维度空间的非线性学习器,这种直接求解非线性分类器的方法,称为核函数这种计算量是非常大的,例如原来是2维度,映射后会成为4维度3维度会成为9维。n*n方式映射。线性代数第二章矩阵初等变换里面有证明这种类型的矩阵是存在的二核函数法

什么样的函数可以作为核函数呢???我们上面看到有个很重要的特征,这种参数是对称的【矩阵跟转置矩阵的乘积,是关于对角线对称的,也叫正定矩阵】,所以核矩阵总是半正定的,所以只要一个对称函数对应的核矩阵是半正定的,它就能作为核函数。也被称作为再生核希尔伯特空间(RKHS)特征空间这边列举了几种核函数三应用前几天有个网友发了这么一个项目,要做的跟这个效果一样前面一张是RGB图片,后面是一张灰度图。这种传统的算法方案比较多,比如MIB算法,基于边缘灰度的局部增强技术。难的是,不知道原来作者采用的是哪套算法。可能要化非常长的时间在这上面调试上。今天仔细想了一下,有种更简单的方案原理:1:原图转灰度图,灰度图矩阵化A2:目标图二值化,取值1,-1作为对应点的响应3:以目标图中心点,取原图中心点作8*8像素作为训练的特征参数4:以SVM聚类,获得权值方程式WX+B5:新图按照

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论