北大svm講義ppt課件-資料下載頁
2025-05-06 12:18本頁面
【正文】 ? ② 支持向量樣本集具有一定的魯棒性 。 ? ③ 有些成功的應(yīng)用中 ,SVM 方法對(duì)核的選取不敏感。 信息科學(xué)技術(shù)學(xué)院 網(wǎng)絡(luò)研究所 Outline ?SVM的理論基礎(chǔ) ?線性判別函數(shù)和判別面 ?最優(yōu)分類面 ?支持向量機(jī) ? SVM的研究與應(yīng)用 信息科學(xué)技術(shù)學(xué)院 網(wǎng)絡(luò)研究所 SVM 應(yīng)用 ?近年來 SVM 方法已經(jīng)在圖像識(shí)別、信號(hào)處理和基因圖譜識(shí)別等方面得到了成功的應(yīng)用 ,顯示了它的優(yōu)勢(shì)。 ?SVM 通過核函數(shù)實(shí)現(xiàn)到高維空間的非線性映射 ,所以適合于解決本質(zhì)上非線性的分類、回歸和密度函數(shù)估計(jì)等問題。 ?支持向量方法也為樣本分析、因子篩選、信息壓縮、知識(shí)挖掘和數(shù)據(jù)修復(fù)等提供了新工具。 信息科學(xué)技術(shù)學(xué)院 網(wǎng)絡(luò)研究所 支持向量機(jī)的研究 ? 對(duì)支持向量機(jī)的研究主要集中在對(duì) SVM本身性質(zhì)的研究以及加大支持向量機(jī)應(yīng)用研究的深度和廣度兩方面。 ? SVM訓(xùn)練算法 ? 傳統(tǒng)的利用標(biāo)準(zhǔn)二次型優(yōu)化技術(shù)解決對(duì)偶問題的方法 ,是 SVM訓(xùn)練算法慢及受到訓(xùn)練樣本集規(guī)模制約的主要原因。 ? 目前已提出了許多解決方法和改進(jìn)算法 ,主要是從如何處理大規(guī)模樣本集的訓(xùn)練問題、提高訓(xùn)練算法收斂速度等方面改進(jìn)。 ? 主要有：分解方法、修改優(yōu)化問題法、增量學(xué)習(xí)法、幾何方法等分別討論。 信息科學(xué)技術(shù)學(xué)院 網(wǎng)絡(luò)研究所 SVM分類算法 ? SVM分類算法 ? 訓(xùn)練好 SVM分類器后 ,得到的支持向量被用來構(gòu)成決策分類面。對(duì)于大規(guī)模樣本集問題 ,SVM訓(xùn)練得到的支持向量數(shù)目很大 ,則進(jìn)行分類決策時(shí)的計(jì)算代價(jià)就是一個(gè)值得考慮的問題。 ? 解決方法如：縮減集 (Reduced Set) SVM方法，采用縮減集代替支持向量集 ,縮減集中的向量不是支持向量 ,數(shù)目比支持向量少 ,但它們?cè)诜诸悰Q策函數(shù)中的形式與支持向量相同。 信息科學(xué)技術(shù)學(xué)院 網(wǎng)絡(luò)研究所 多類 SVM算法 ? SVM本質(zhì)上是兩類分類器 . ? 常用的 SVM多值分類器構(gòu)造方法有 : 信息科學(xué)技術(shù)學(xué)院 網(wǎng)絡(luò)研究所 SVM package 信息科學(xué)技術(shù)學(xué)院 網(wǎng)絡(luò)研究所 Outline ?SVM的理論基礎(chǔ) ?線性判別函數(shù)和判別面 ?最優(yōu)分類面 ?支持向量機(jī) ? SVM的研究與應(yīng)用 信息科學(xué)技術(shù)學(xué)院 網(wǎng)絡(luò)研究所 Thank you!
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1