图像采集与处理-C20-R.pdfVIP

图像采集与处理 非线性支持向量机 2012-12-13 非线性支持向量机 更加精确的实现非线性分类，需要构建非线性支持向量机。 非线性支持向量机的原理：如果训练样本在特征空间不是线性 可分的，可以将这些训练样本映射到一个高维的特征空间，使 得在这个高维空间，这些样本拥有一个线性分类边界。 Low dimensional X space High dimensional feature space Class 1 Class 1 Linear separating boundary in Class 2 feature space Class 2 maps to non- linear boundary in X space Kernel function evaluation Inner product of feature vectors K(X , X ) φ(X ) . φ(X ) i j i j 非线性支持向量机 该映射可以表达为： 该高维空间称为Hilbert空间 : ( ) →( ), R=→( ),...,XHn ( X),...X φaφX (a φ a φ X ) 1 1 2 2 n n 如果在高维空间，两个类是线性可分的，就可以应用线性支持 向量机来做分类器： n ⎛ s ˆ ⎞ ⎜ ⋅ + ˆ ⎟ y sign ( d )X ( ) (λ φ)X φ X w n : 支持向量的个数 ∑ ⎜ k k k 0 ⎟ s ⎝k 1 ⎠ ∞ 2 映射到高维空间的 ( )