freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

支持向量機及其應用-wenkub

2023-05-20 21:44:36 本頁面
 

【正文】 VM的描述 ? 期望風險 R(w)要依賴聯(lián)合概率 F(x,y)的信息,實際問題中無法計算。設有如下兩類樣本的訓練集: ? 線性可分情況意味著存在 超平面 使訓練點中的正類和 負類樣本分別位于該超平面的兩側。 最大間隔原則 :選擇使得訓練集 D對于線性函數(shù) (w 首先求 Lagrange函數(shù)關于 w,b的極小值。 ? 于是,得到如下的決策函數(shù): ?????? ???? ??niiii bxxyxf1** )(s g n)(Page 13 目錄 ? 線性可分的支持向量(分類)機 ? 線性支持向量(分類)機 ? 支持向量(分類)機 ? 最小二乘支持向量(分類)機 ? 硬 ?帶 支持向量(回歸)機 ? 軟 ?帶 支持向量(回歸)機 ? ?支持向量(回歸)機 ? 最小二乘支持向量(回歸)機 ? 支持向量機應用 Page 14 二、線性支持向量 (分類 )機 1))(( ??? bxwy iinibxwy iii ,1,1))(( ???????現(xiàn)在考慮 線性不可分情況 。 為此,引入松弛變量 并 “ 軟化 ” 約束條件: ?i 0??iPage 15 線性支持向量 (分類 )機 為了避免 ?i取太大的值,需要在目標函數(shù)中對它們進行懲罰。對于訓練集 D,無法尋找到來如前的超平面來劃分。有: 支持向量 (分類 )機 ))39。 在支持向量機應用中,核函數(shù) K(x,x’)一般 先驗性 地選取 。( xxxxK ???Sigmoid核 : 多項式核 : 高斯核 : dcxxxxK ))39。( 22 ????? xxxxK))39。在上式中消去 w和 e后,得到如下線性方程組: ????????????????????????????????????????????yebwIxIIxInnTnnTn00001)(001000)(00????????????????????????? ybI nnTn 01110其中 ?kl=?(xk)T?(xl), k,l=1,...,n。假設已測得若干個數(shù)據(jù)構成的數(shù)據(jù)集 D: Page 34 硬 ?帶 支持向量(回歸)機 Page 35 五、 硬 ?帶 支持向量(回歸)機 不敏感損失函數(shù) 為了在回歸問題中使用結構風險代替經(jīng)驗風險來作為期望風險,以及保持在支持向量分類機的稀疏性質(zhì), Vapnik引入了如下的 不敏感損失函數(shù) : 其中: Page 36 硬 ?帶 支持向量(回歸)機 Page 37 硬 ?帶 支持向量(回歸)機 )},(,),(),{( 2211 nn yxyxyxD ?,?niRyRXx imi ,1, ?????首先考慮硬 ?帶支持向量 線性 回歸 情況。 首先求 Lagrange函數(shù)關于 w,b的極小值。設有如下兩類樣本的訓練集: 同樣希望使用一個線性函數(shù)來 回歸 樣本點,且這種情況下,除了 大量樣本點在 ?帶內(nèi),還有少量的樣本 落在 ?帶外。 首先求 Lagrange函數(shù)關于 w,b,?(*)的極小值。 把 w的式子代入函數(shù): 于是,得到如下的回歸函數(shù): ????????niiii bxxxf1* ))(()(? y=()+b+? y=()+b? y=()+b Page 46 目錄 ? 線性可分的支持向量(分類)機 ? 線性支持向量(分類)機 ? 支持向量(分類)機 ? 最小二乘支持向量(分類)機 ? 硬 ?帶 支持向量(回歸)機 ? 軟 ?帶 支持向量(回歸)機 ? ?支持向量(回歸)機 ? 最小二乘支持向量(回歸)機 ? 支持向量機應用 Page 47 ?支持向量(回歸)機 下面通過 核技術 來處理。 支持向量方法的思想是在該高維特征空間 ?中考慮如下線性函數(shù)集: ? ?RbRwXbxwxffF fnT ?????????? ,:。 Page 52 最小二乘支持向量 (回歸 )機 函數(shù)估計的目的是在約束 ||w||?a, a?R下通過最小化如下經(jīng)驗風險來尋找 w和 b: ?????? nkkkTe m p ybxwn1bwR12)))(((),( 最小二乘支持向量回歸機 ( LSSVR) 定義了與標準支持向量機不同的代價函數(shù),選用損失函數(shù)為誤差 ek的二次項,并將其不等式約束改為等式約束,因此尋找 w和 b的優(yōu)化問題可以轉化為如下具有 嶺回歸 形式的優(yōu)化問題: ????? nkkTeb,w,e21wwe)J (w ,m i n1221且?guī)в腥缦碌仁郊s束條件: nkebxwy kkTk ,1,)( ??????其中 ? ? ? ? bxxye Ti ??? ???Page 53 最小二乘支持向量 (回歸 )機 為了在對偶空間中求解上述優(yōu)化問題,定義如下的 Lagrange泛函: ?? ??????? nk kkkTk yebxwe)J (w ,)e,b,L (w , 1 ))((其中 ?k?R為乘子(叫做支持向量)。 ????? nkkk bxxKxf1),()(Page 56 目錄 ? 線性可分的支持向量(分類)機 ? 線性支持向量(分類)機 ? 支持向量(分類)機 ? 最小二乘支持向量(分類)機 ? 硬 ?帶 支持向量(回歸)機 ? 軟 ?帶 支持向量(回歸)機 ? ?支持向量(回歸)機 ? 最小二乘支持向量(回歸)機 ? 支持向量機應用 Page 57 九、支持向量機應用 手寫體數(shù)字識別 。使用 高斯核 和 多項式核 。 結果表明 SVM具有一定的優(yōu)勢。 Joachims, Dumais等人進行 SVM對文本分類的研究工作。 主要使用線性核。 Page 60 九、支持向量機應用 (2)基于顏色的分類 Oliver Chapelle及其合作者研究了僅使用顏色與光照信息下的 SVM目標識別。 汽車行進的可視場景中的行人檢測 : SVM作為分類器,在之前端使用小波作為特征提取的方法。 (1)經(jīng)濟預警 (2)股市預測 (3)財務預測 (4)電力負荷預測 (5)交通流量預測 (6)…… Page 65 九、支持向量機應用 核方法 。
點擊復制文檔內(nèi)容
公司管理相關推薦
文庫吧 www.dybbs8.com
備案圖片鄂ICP備17016276號-1