支持向量机及其在手写数字中的应用与研究.docxVIP

下载本文档

4
0
约2.69万字
约 39页
2023-09-14 发布于湖北
举报
版权申诉

支持向量机及其在手写数字中的应用与研究.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

中文摘要 PAGE I PAGE I 支持向量机及其在手写数字中的应用与研究摘要支持向量机(SVM)是一种具有很好的泛化能力的新型学习机器，在模式识别和回归估计中得到了广泛的应用。在MNIST数字数据库上的实验和实际的检验样本表明，SVM所具有的泛化能力是比其他分类器更好的。支持向量机作为分类器是非常有效的，对于那些线性可分的数据，支持向量机是为了寻找一个超平面将那些数据分开，对于其他的非线性数据，支持向量机将通过kernel trick方法将数据从原始的特征空间去映射线性可分的高维特征空间，然后就会在新的特征空间寻找到超平面。对于含有噪声的数据，通过添加损失项结合惩罚因子