模式识别-支撑向量机.ppt

* * * * * * * * * * * * * * * * * * * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 结论： 当我们处理非线性可分情况时，将特征向量变换到高维空间时，我们可以只要定义变换后的内积运算，而不必真的进行这种变换。统计学习理论指出，只要这种运算满足Mercer条件，它就可以作为这里的内积使用 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 由于最终的判别函数中实际只包含与支持向量的内积和求和，因此，识别时的计算复杂度取决于支持向量的个数 * * 3.6 支撑向量机 * * * * * * * * * * * * * * * * * * * * 模式识别原理 华中科技大学图像识别与人工智能研究所 图像分析与智能系统研究室 曹治国 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 * * 3.6 支撑向量机 公式推导 * * 3.6 支撑向量机 非线性可分时 * * 3.6 支撑向量机 非线性可分时 * * 3.6 支撑向量机 非线性可分时 * * 3.6 支撑向量机 非线性可分时，在广义线性判别函数时是变换到新的空间中 * * 广义线性判别函数 * * 3.6 支撑向量机 一个例子 * * 3.6 支撑向量机 X要变换到高维空间 * * 3.6 支撑向量机 用X的函数表示这种变换 * * 3.6 支撑向量机 用X的函数表示这种变换 * * 3.6 支撑向量机 要做(m+2)(m+1)/2次乘法和加法 * * 3.6 支撑向量机 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *