4线性不可分SVM要点.ppt

Introduction to Support Vector Machine. Vapnik V N. 著，张学工译. 统计学习理论.人民邮电出版社. 张学工. 关于统计学习理论与支持向量机. 自动化学报, 2000年第1期. 史朝辉. SVM算法研究及在HRRP分类中的应用. 空军工程大学硕士学位论文, 2005. 主要参考文献（续）： * * 参考资料：《机器学习》-周志华著 第六章：支持向量机 p127 * * * 参考资料:/zhenandaci/archive/2009/02/13/254519.html 参考资料:/dreamvibe/p/4360544.html 参考资料:《机器学习》周志华著 第六章:支持向量机 -6.3节 p126 * * * * * 目录 线性不可分问题 核函数 松弛变量 多输入多输出支持向量机回归算法 支持向量机实现 研究现状 多输入多输出支持向量机回归算法 支持向量机是从线性可分情况下的最优分类面发展而来的。支持向量机形式上类似于一个神经网络，输出是中间节点的线性组合，每个中间节点对应于一个支持向量，其结构如图1所示。 支持向量机线性回归 （1） 支持向量机线性回归 支持向量机线性回归 支持向量机线性回归 支持向量机线性回归 由此推出 支持向量机线性回归 支持向量机线性回归 支持向量机线性回归 支持向量机线性回归 支持向量机线性