支持向量機(jī)及其應(yīng)用-資料下載頁
2025-05-09 21:44本頁面
【正文】 kkk,1,)(0,1,000)(011??Page 54 最小二乘支持向量 (回歸 )機(jī) 上式能被直接表示為求解如下如下線性方程組： 其中 y=(y1,…, yn)T, ?(x)=( ?(x1),…, ?(xn))T, 1n=(1,...,1)T, e=(e1,…, en)T, ?=(?1,…, ?n)T。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。 Page 55 最小二乘支持向量 (回歸 )機(jī) 根據(jù) Mercer定理，函數(shù)估計(jì)的最小二乘支持向量回歸模型為： 其中 ?與 b通過求解上述方程組 得到。 ????? nkkk bxxKxf1),()(Page 56 目錄 ? 線性可分的支持向量（分類）機(jī) ? 線性支持向量（分類）機(jī) ? 支持向量（分類）機(jī) ? 最小二乘支持向量（分類）機(jī) ? 硬 ?帶 支持向量（回歸）機(jī) ? 軟 ?帶 支持向量（回歸）機(jī) ? ?支持向量（回歸）機(jī) ? 最小二乘支持向量（回歸）機(jī) ? 支持向量機(jī)應(yīng)用 Page 57 九、支持向量機(jī)應(yīng)用 手寫體數(shù)字識(shí)別 。 SVM的第一個(gè)應(yīng)用是手寫字符識(shí)別問題。 Vapnik、 Burges、 Cortes、 Scholkopf等研究了該問題。使用 最大間隔 和 軟間隔 SVM。使用 高斯核 和 多項(xiàng)式核 。 在兩個(gè)數(shù)據(jù)集 USPS(美國郵政服務(wù)局 )和 NIST(國家標(biāo)準(zhǔn)技術(shù)局 )。其中 USPS數(shù)據(jù)集包括 7291個(gè)訓(xùn)練樣本，2021個(gè)測(cè)試樣本，用 256維的向量 (16 16矩陣 )表示，每個(gè)點(diǎn)的灰度值 0～ 255。 NIST數(shù)據(jù)集包括 60000個(gè)訓(xùn)練樣本， 10000個(gè)測(cè)試樣本，圖像為 20 20矩陣表示。 結(jié)果表明 SVM具有一定的優(yōu)勢(shì)。 Page 58 九、支持向量機(jī)應(yīng)用 文本分類 。 根據(jù)文本的內(nèi)容自動(dòng)地把它歸類。比如郵件過濾、網(wǎng)頁搜索、 Web挖掘、信息檢索等。 Joachims， Dumais等人進(jìn)行 SVM對(duì)文本分類的研究工作。 使用的數(shù)據(jù)集為路透社 (Reuters)第 21578號(hào)新聞數(shù)據(jù)庫。該數(shù)據(jù)庫共有 12902個(gè)文本，包括 9603個(gè)訓(xùn)練的文本和 3299個(gè)測(cè)試樣本。每個(gè)文本大約包含 200個(gè)單詞，分屬于 118類，如金融、運(yùn)輸?shù)取? 主要使用線性核。 結(jié)果表明 SVM比其他的分類算法（如決策樹、 K近鄰算法等）具有良好的性能。 Page 59 九、支持向量機(jī)應(yīng)用 圖像識(shí)別 。 (1)視位無關(guān)的分類 Pontil、 Verri研究了使用 SVM于與視位無關(guān)的目標(biāo)識(shí)別。 Page 60 九、支持向量機(jī)應(yīng)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(biāo)識(shí)別。 Page 61 九、支持向量機(jī)應(yīng)用 (3)可視場(chǎng)景中的目標(biāo)檢測(cè) 人臉檢測(cè) ：給定任意圖像作為輸入，檢測(cè)其中是否有人臉存在，以及人臉的位置。 Osuna等人開發(fā)的系統(tǒng)，盡可能掃描像人臉的模式，然后利用 SVM作為分類器，檢查一幅給定的圖像是否有人臉。數(shù)據(jù)庫中包含臉與非臉的模式，圖像用19 19=361個(gè)像素的向量表示，訓(xùn)練一個(gè)軟間隔分類器，使用二階多項(xiàng)式核。 汽車行進(jìn)的可視場(chǎng)景中的行人檢測(cè) ： SVM作為分類器，在之前端使用小波作為特征提取的方法。 Page 62 九、支持向量機(jī)應(yīng)用 語音信號(hào)處理 。 (1)說話人識(shí)別 (2)語音情感識(shí)別 (3)…… Page 63 九、支持向量機(jī)應(yīng)用 信息安全領(lǐng)域 。 (1)入侵檢測(cè) (2)病毒檢測(cè) (3)數(shù)字水印技術(shù) (4)…… Page 64 九、支持向量機(jī)應(yīng)用 時(shí)間序列 。 (1)經(jīng)濟(jì)預(yù)警 (2)股市預(yù)測(cè) (3)財(cái)務(wù)預(yù)測(cè) (4)電力負(fù)荷預(yù)測(cè) (5)交通流量預(yù)測(cè) (6)…… Page 65 九、支持向量機(jī)應(yīng)用 核方法 。 在 SVM中的核技巧得到進(jìn)一步的擴(kuò)展。 (1)支持向量機(jī)（分類機(jī)、回歸機(jī)） (2)核聚類 (3)核主成分分析 (核 PCA) (4)…… Page 66 支持向量機(jī)的一些資源 SVM MATLAB TOOLBOX from Graz SVM amp。 KM matlaSVM MATLAB TOOLBOX from Graz SVM amp。 KM matlab toolbox, from Insa de Rouen GPDT parallel software for SVMs from University of Ferrara and University of Modena, Italy Gist: software for support vector machine classification and for kernel principal ponents analysis. Matlab Interface: a MATLAB interface to SVMlight written by Anton Schwaighofer (for SVMlight ) jSVM: a JAVA interface to SVMlight written by Heloise Hwawen Hse (for SVMlight ) A special version of SVMlight is integrated into the virtual file system libferris by Ben Martin Java Implementation of LIBSVM MATLAB Support Vector Machine Toolbox by Gavin Cawley Matlab implementation by Steve Gunn, MATLAB SVM toolbox 完
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1