模式识别 第13章.pptVIP

SVM 应用 近年来SVM 方法已经在图像识别、信号处理和基因图谱识别等方面得到了成功的应用,显示了它的优势。 SVM 通过核函数实现到高维空间的非线性映射,所以适合于解决本质上非线性的分类、回归和密度函数估计等问题。 支持向量方法也为样本分析、因子筛选、信息压缩、知识挖掘和数据修复等提供了新工具。 * * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * 第13章 统计学习理论和支持向量机Chapter 13 : Statistical learning theory and support vector machines 本章主要内容 13.1 机器学习问题的表示 13.3 统计学习理论的主要内容 13.2 统计学习理论的发展历程 13.4 最优分类面 13.5 支持向量机的基本原理 13.1 机器学习问题的表示 13.1.1 机器学习与模式识别的关系 机器学习——让机器拥有类似人类的学习能力； 机器学习是人工智能的重要分支； 模式识别可以看作是机器学习的特例。 如果在人工智能上有所突破，以至于机器能够学习，那么它将价值10个微软。 ——B.Gates，2004 13.1.2 机器学习的发展历史 起源: 上世纪50年代中叶 70年代中叶——80年代中