第12章神经网络设计_Ch12_支持向量机(SVM)网络.pdfVIP

下载本文档

9
0
约2.84万字
约 24页
2018-10-05 发布于云南
举报
版权申诉

第12章神经网络设计_Ch12_支持向量机(SVM)网络.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

+ 12 支持向量机(SVM)网络 1 + 12 泛化能力 • 泛化能力（generalization ability ）是指机器学习算法对新鲜样本的适应能力。学习的目的是学到隐含在数据对背后的规律，对具有同一规律的学习集以外的数据，经过训练的网络也能给出合适的输出，该能力称为泛化能力。 2 + 12 支持向量机 • 最优线性分界面（二分类问题） – 对线性可分集，总能找到使样本正确划分的分界面，而且有无穷多个，哪个是最优的？ – 一种最优的分界准则（从对样本及参数的鲁棒性看）是使两类模式向量分开的间隔最大。 3 + 12 支持向量机 • 最优线性分界面的确定 T g (x) w x b – 两分类的线性判别函数的一般表达式为：。 – 方程g (x) 0定义了一个超平面H ，它把两类训练样本完 (x ,y ), (x ,y ),, (x ,y ) x Rn 全分开。设Ｎ个样本为：，， 1 1 2 2 N N i y { 1, 1} i ，则有分类规则： T y 1 w x b 0 ， i i T w x b 0 ，y i 1 i – 由于训练集线性可分，改变权向量的摸，总可改写分类规则为： T 归一化 T w x b 0 w x b 1， y i 1 i i T T y 1 w x b 0 w x b 1 i i ， i – 进一步合并有紧凑式：