计算机学习和支持向量机方法-PPT精选文档.pptVIP

;References ;关键词;; 实践 认识 应用 认识个体1 认识个体2 认识个体3 建立概念 识别应用 ………….. 认识个体l; 数据 模型 应用 样本数据1 样本数据2 训练建模 预报应用 ………….. 样本数据l;x11, x12,…,x1n;y1 x21, x22,…,x2n;y2 yi=M(xi1, xi2,…,xin) ……………… xl1, xl2,…,xln; yl (Xi,yi) y=M(X) y*=M(X*) 问题：1.模型是否存在？能否建立？ 2.模型有否推广能力？ 3.能否小样本建立？;训练样本集：;G: 产生器,随机产生向量x∈Rn ,F(x)未知 S: 训练器,对每一x∈Rn返回一输出值 y LM: 学习机器,可供选取的函数集f (x,?);;;;φ(x1,x2)= (x12,x1x2, x22) ;非线性映射的图示;非线性划分的例;非线性多类划分;分区问题的例;学习数据;双蛇问题的例;; ;3. 少数支持向量决定了最终结果，这不但可以帮助我们抓住关键样本、“剔除”大量冗余样本，而且注定了该方法不但算法简单，而且具有较好的“鲁棒”性（鲁棒是