文档介绍:该【支持向量机原理SVM 】是由【小可爱】上传分享,文档一共【12】页,该文档可以免费在线阅读,需要了解更多关于【支持向量机原理SVM 】的内容,可以使用淘豆网的站内搜索功能,选择自己适合的文档,以下文字是截取该文章内的部分文字,如需要获得完整电子版,请下载此文档到您的设备,方便您编辑和打印。支持向量机原理SVM
PROFESSIONALGENERATIONGRADUATIONREPORT
POWERPOINTTEMPLATE
汇报人:
工作部门:
主要内容
统计学****理论(StatisticalLearningTheory)(SVM的理论基础)
SVM分类基本思想
SVM主要算法过程
统计学****理论(StatisticalLearningTheory)
Vapnik与60-70年代提出了统计学****理论的基本思想,并在20世纪90年代中期不断发展和成熟
与传统的统计学相比,统计学****理论是一种专门研究小样本情况下机器学****规律的理论
该理论针对小样本问题建立了一套新的理论体系,在这个理论体系下的统计推理规则不仅考虑了对渐进性能的要求,而且追求在现有有限信息的条件下得到最优结果
统计学****理论(StatisticalLearningTheory)
与传统的统计理论相比,统计学****理论基本上不涉及概率测度的定义及大数定律
统计学****理论为建立有限样本学****问题提供了一个统一的框架
它避免了人工神经网络等方法的网络结构选择、过学****和欠学****以及局部极小等问题
统计学****理论(StatisticalLearningTheory)
近年来,基于该理论发展的支持向量机(SupportVectorMachine)逐渐成熟并已在模式识别、函数估计等人工智能领域得到较好的应用。
SVM分类基本思想
升维
线性化
SVM方法的核心是支持向量(在后面可以看到最后求得的超平面的解析式可由支持向量完全决定)
求最优分类超平面等价于求最大间隔
最优分类函数的求解
引入-不敏感误差函数(即误差小于时视为无误差),则寻求最优分类超平面的问题转为一个二次凸规划问题: