支持向量機及應用簡介(已修改)
2025-05-25 00:35 本頁面
【正文】 支持向量機介紹 ? 統(tǒng)計學習理論 統(tǒng)計學習理論 ? 統(tǒng)計學習理論是小樣本統(tǒng)計估計和預測學習的最佳理論。 ? 假設輸出變量 Y與輸入變量 X之間存在某種對應的依賴關系 ,即一未知概率分布 P(X,Y)， P(X,Y)反映了某種知識。學習問題可以概括為 :根據(jù) l個獨立同分布 ( independently drawn and identically distributed )的觀測樣本 train set， (x1,y1),(x2,y2),… ,(xn,yn) 支持向量機 （ SVM） 支持向量機（ Support Vector Machine， SVM）是由 Boser,Guyon和 Vapnik發(fā)明，并首次在計算學習理論（ COLT） 1992年年會論文中提出。它是繼人工神經(jīng)網(wǎng)絡后，智能計算領域發(fā)展的又一里程碑。支持向量機以嚴格證明的統(tǒng)計學習理論為基礎，使用核函數(shù)把數(shù)據(jù)從樣本空間映射到高維特征空間，將非線性問題轉(zhuǎn)化為線性可分問題，獲得最優(yōu)解，是一重大的理論創(chuàng)新。支持向量機有嚴密的數(shù)學基礎，訓練結(jié)果只與支持向量有關，且泛化性強，成為了解決非線性問題的重要工具，因此，受到智能計算領域?qū)W者的廣泛關注，在模式分類和回歸領域得到了廣泛的應用。 機器學習的基本問題和方法 從給定的函數(shù)集 Ω 中選擇出能夠最好地逼近系統(tǒng)響應的函數(shù) ω 系統(tǒng)（ S） 學習機器（ LM） 輸入 x 輸出 y ( , )F x y( , ),fx ?? ??有指導機器學習的目的是根據(jù)給定的訓練樣本，求出對某
環(huán)評公示相關推薦
鄂ICP備17016276號-1