支持向量机-四川大学.pdfVIP

下载本文档

6
0
约2.2万字
约 32页
2017-09-02 发布于天津
举报
版权申诉

支持向量机-四川大学.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

支持向量机-四川大学

2012-2013春学期第十二讲模式识别引论支持向量机赵启军四川大学计算机学院支持向量机的基本原理 • Support Vector Machine SVM 支持向量机（、）从线性可分情况下的最优分类面发展而来 • 最优分类面H就是要求分类线不但能将两类正确 ( 0), 分开训练错误率为且使分类间隔最大支持向量支持向量：位于：位于、、支持向量支持向量：：位于位于H1、、上的样本上的样本 H2上的样本上的样本：最优分界面：最优分界面 H：：最优分界面最优分界面、、：过两类样本中离：过两类样本中离 H1、、H2 ：：过两类样本中离过两类样本中离分届面最近的点且平行于最分届面最近的点且平行于最分届面最近的点且平行于最分届面最近的点且平行于最间隔间隔）：）：间隔间隔 Margin）：）：优分届面的超平面优分届面的超平面优分届面的超平面优分届面的超平面和和之间的距离之间的距离 H1和和H2之间的距离之间的距离 2 支持向量机分类问题 • 根据线性可分性分为三种情况线性可分问题近似线性可分问题线性不可分问题 3 线性支持向量机的推导 +1类 • 给定训练样本 x2 -1类 {( ) } x , y | i1=,2, L, N i i x ∈ R2 样本的特征向量样本的特征向量 i 样本的特征向量样本的特征向量 w T w x+ b= 0 样本的类别样本的类别 { } 样本的类别样本的类别 y ∈