中国矿业大学模式识别课程报告.docVIP

中国矿业大学 级本科生课程报告 课程名称 模式识别 报告时间 2014-6-14 学生姓名 　　 学 号 　　　　 专 业 　　　　　　　　　 任课教师 　　　 任课教师评语 任课教师评语（①对课程基础理论的掌握；②对课程知识应用能力的评价；③对课程报告相关实验、作品、软件等成果的评价；④课程学习态度 ①对课程基础理论的掌握； ②对课程知识应用能力的评价； ③对课程报告相关实验、作品、软件等成果的评价； ④课程学习态度 成 绩： 任课教师签字： 年 月 日 摘要 支持向量机是一种有监督学习方法，可被广泛应用于统计分类以及线性回归。Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去，这种分类器被称为支持向量机。本次课题的选择来源于一次模式识别的实验，在该课题中对实验进行了扩展，从线性可分的数据样本集扩展到了线性不分的数据样本集。在本次报告中，将着重介绍使用支持向量机对线性不可分样本的分类方法。开发环境使用的是matlab。为了更直观、更清晰地支持向量机的原理和强大功能，报告中将介绍一个验证性实验，从实例中表现实验结果。通过实验，最后得出结论：支持向量机在解决线性不可分样本集的分类问题上具有超强的本领。 Abstract Support vector machine is a kind of supervised learning method, which can be widely used in statistical classification and linear regression. Vapnik et al study theory is another design criterion of optimal linear classifier is proposed in years of research and statistics. The principle from the linear separable about, and then extended to linear inseparable case. Even extended to the use of nonlinear function, this classifier called support vector machine.Select a source of this subject in an experimental pattern recognition, in this topic has been extended to experiment, from linearly separable data set is extended to the linear regardless of the data set. In this report, will focus on support vector machine classification method using the linear inseparable samples.Development environment using matlab. In order to more intuitive, more clearly the principle of support vector machine and powerful functions, the report will introduce a verification experiment, performance results from the instance.Through the experiment, finally draws the conclusion: support vector machine has strong ability in classification problem solving linear inseparable sample set. 关键词：SVM；MATLAB；线性不