统计学习理论与SVM_徐从富.ppt

目录 概述 统计学习理论中的基本概念 统计学习理论的发展简况 统计学习理论的基本内容 支持向量机概述 研究现状 参考文献 8.1.1 SLT SVM的地位和作用 是统计学习方法的优秀代表 有严密的数学依据，得到了严格的数学证明 有力反驳 —— “复杂的理论是没有用的，有用的是简单的算法”等错误观点 充分表明 —— “没有什么比一个好的理论更实用了”等基本的科学原则 8.2 SLT中的基本概念 统计方法 —— 从观测自然现象或者专门安排的实验所得到的数据去推断该事务可能的规律性。 统计学习理论 —— 在研究小样本统计估计和预测的过程中发展起来的一种新兴理论。 【注意】：这里所说的“小样本”是相对于无穷样本而言的，故只要样本数不是无穷，都可称为小样本，更严格地说，应该称为“有限样本”。 统计学习理论中的基本概念（续） 机器学习 主要研究从采集样本出发得出目前尚不能通过原理分析得到的规律,并利用这些规律对未来数据或无法观测的数据进行预测。 模式识别 对表征事务或现象的各种形式(数值、文字及逻辑关系等)信息进行处理和分析,以对事务或现象进行描述、辨认、分类和解释的过程。 统计学习理论 一种研究有限样本估计和预测的数学理论 8.3 统计学习理论的发展简况 学习过程的数学研究 F. Rosenblatt于1958,1962年把感知器作为一个学习机器模型 统计学习理论的