一种基于聚类SVM.pptVIP

主要内容 支持向量机及其反问题 聚类后求解SVM反问题 试验结果及分析 进一步的研究 总结与展望 支持向量机 SVM的理论基础来自于Vapnik等提出的统学习理论。 图形描述 数学描述 对线性可分的训练集 支持向量机反问题 对于给定的一个没有决策属性的训练集S： 我们可以随机的把其分为两类。　　　　　　　SVM反问题就是如何对样本点进行划分，才能使最优分类超平面的间隔达到最大。 数学描述 用聚类求解反问题 首先：对原有数据进行聚类 其次：用新的生成的聚类中心作为新的数据集合 最后：用新数据集合求解SVM反问题 实验数据分布 聚类中心个数和时间的关系 精度和聚类中心个数的关系 从UCI 数据库中提取60个点 在聚类中心个数不同的情况下比较与原有数据的精度比较 Margin 在聚类中心个数不同的情况下的变化趋势 总体是中心越少，margin 越大，数据越稀疏 聚类中心个数对最优超平面的影响 wX+b=0 为最优超平面的方程 总结与展望 这种基于聚类的SVM反问题算法在不影响对数据准确性的情况下大大提高反问题的速度。 求职应注意的礼仪 求职时最礼貌的修饰是淡妆 面试时最关键的神情是郑重 无论站还是坐，不能摇动和抖动 对话时目光不能游弋不定 要控制小动作 不要为掩饰紧张情绪而散淡 最优雅的礼仪修养是体现自然 以一种修养面对两种结果 必须首先学会面对的一种结果----被拒绝 仍然感谢这次机会，因为被拒绝是面试后的两种结果之一。 被拒绝是招聘单位对我们综合考虑的结果，因为我们最关心的是自己什么地方与用人要求不一致，而不仅仅是面试中的表现。 不要欺骗自己，说“我本来就不想去”等等。 认真考虑是否有必要再做努力。 必须学会欣然面对的一种结果----被接纳 以具体的形式感谢招聘单位的接纳，如邮件、短信 考虑怎样使自己的知识能力更适应工作需要 把走进工作岗位当作职业生涯的重要的第一步，认真思考如何为以后的发展开好头。 Thank you * * 一种基于聚类的SVM 反问题求解算法 其基本思想是，对于一个给定的具有有限数量训练样本的学习任务，如何在准确性和机器容量（机器可无错误地学习任意训练集的能力）进行折衷，以得到最好的泛化能力。 最优分类超平面 相应的间隔 解决二次规划问题： 对于给定的一个函数,样本集被划分为两个子集，并可以计算出其相应的间隔： SVM反问题就是要求解问题： 自己造的数据 用枚举的方法计算时间：指数级增长 个数为10以后margin变化很小，证明聚类在类数接近总数量的时候对SVM反问题的margin影响不大 W 和 b确定以后超平面就可以确定 很难找到提高速度减少数据和不影响准确性之间的结合点，也就是分成多少类不影响准确性，切最大可能的减少数据