《支持向量机原理SV》PPT课件_第1页
《支持向量机原理SV》PPT课件_第2页
《支持向量机原理SV》PPT课件_第3页
《支持向量机原理SV》PPT课件_第4页
《支持向量机原理SV》PPT课件_第5页
已阅读5页，还剩6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

1、Support Vetor Machine（SVM）简介,李洋 北京师范大学数学科学学院05级 Email:,主要内容,统计学习理论（Statistical Learning Theory）（SVM的理论基础） SVM分类基本思想 SVM主要算法过程,统计学习理论（Statistical Learning Theory）,Vapnik与60-70年代提出了统计学习理论的基本思想，并在20世纪90年代中期不断发展和成熟 与传统的统计学相比，统计学习理论是一种专门研究小样本情况下机器学习规律的理论 该理论针对小样本问题建立了一套新的理论体系，在这个理论体系下的统计推理规则不仅考虑了对渐进性能的要求

2、，而且追求在现有有限信息的条件下得到最优结果,统计学习理论（Statistical Learning Theory）,与传统的统计理论相比，统计学习理论基本上不涉及概率测度的定义及大数定律 统计学习理论为建立有限样本学习问题提供了一个统一的框架 它避免了人工神经网络等方法的网络结构选择、过学习和欠学习以及局部极小等问题,统计学习理论（Statistical Learning Theory）,近年来，基于该理论发展的支持向量机（Support Vector Machine）逐渐成熟并已在模式识别、函数估计等人工智能领域得到较好的应用。,SVM分类基本思想,升维 线性化,SVM方法的核心是支持向量（在后面可以看到最后求得的超平面的解析式可由支持向量完全决定）,求最优分类超平面等价于求最大间隔,最优分类函数的求解,引入 -不敏感误差函数（即误差小于 时视为无误差），则寻求最优分类超平面的问题转为一个二次凸规划问题：,采用Lagrange乘数法并应用KKT（Karush

人人文库> 全部分类> 教育资料 > 课件下载

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。

最新文档

评论

0/150

提交评论