[工學(xué)]pr第五章非線性分類-資料下載頁
2025-10-09 23:42本頁面
【正文】 ? 支持向量滿足等式 ? ?)()(),( jiji xxxxK ?? ????????? ?? ??bxxKyxf niiii1),(s gn)( ??niCytsxxKyyQiniiinjiijijiniiα,1,00..)(21)(m a x11,1????????????????????01)(1???????? ????bxxKy niiii ?? 常用核函數(shù)形式 ?多項(xiàng)式核函數(shù) ?徑向基（ RBF）核函數(shù) ?Sigmoid函數(shù) ? 核函數(shù)及其參數(shù)的選擇 ? ?qxxxxK 1)39。()39。,( ??????????? ??? 22)39。(e x p)39。,(?xxxxK? ?cxxvxxK ??? )39。(t a n h)39。,(? 核函數(shù)與相似性度量 ?SVM的基本思想、優(yōu)勢 ?SVM和 NN ?SVM的決策過程可以看做是一種相似性比較的過程 方法 測試錯(cuò)誤率 人工 % 決策樹方法 % 兩層神經(jīng)網(wǎng)絡(luò) 最小 % 五層神經(jīng)網(wǎng)絡(luò) % 三種 SVM方法 %、 %% 用于函數(shù)擬合的支持向量機(jī) ? 支持向量回歸 SVR 用于函數(shù)擬合 ? 采用的損失函數(shù)不同于 SVM 核函數(shù)機(jī)器（ Kernel Machines） ? SVM的兩個(gè)核心思想 ?大間隔方法（ Largemargin methods）具有良好的推廣能力 ?核函數(shù)方法（ Kernel methods）解決了非線性映射和計(jì)算問題 ? 該思想的推廣：核函數(shù)方法（核方法） ? 例：核 Fisher判別（ Kernel Fisher’s Discriminant） ? 核 Fisher判別（ Kernel Fisher’s Discriminant）：擴(kuò)展到非線性情況 ?Fisher線性判別 ?非線性變換 () T BTWw S wJww S w??????NaMaJTT?)( TMMMMM ))((: 2121 ??? ??? ilkikjiji xxklM 1 ),(1:)(?????? li ii xxkxw 1 ),()(, ?, , 112m a x ( )()TBTwWWw S wJww S ww S m m????()x x F???
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1