模式识别课件支持向量机幻灯片.pptVIP

Applications Regression Estimation: Time series prediction Signal Processing: seismic signal classification Density estimation DNA sequence classification * Fingure 1: (a) A separating hyperplane with small margin. (b) A separating hyperplane with large margin. A better generalization is expected from (b). * * * * * * * * * * * * * * * * * * * * 线性可分条件下的支持向量机最优分界面 寻找使前面(4)最大化 即 Subject to 根据问题的对称性 线性可分条件下的支持向量机最优分界面 利用解析方法解出 所有的样本都是支持向量。 SVM的重要优点是所获得的分类器复杂度可以采用支持向量的个数，而不是变换空间的维数来刻划。因此SVM往往不像一些别的方法一样容易发生过拟合(overfitting)现象。 线性不可分条件下的广义最优线性分界面 以上讨论的是线性可分条件下的最优线性分界面的计算方法，对于线性不可分的情况下，如果仍要使用线性分