信号分析与处理(6.10.4)--综合实验七（图像识别与处理）_2015.pptVIP

THANKS谢谢聆听偏离正常位置较远的点——outlier引入松弛变量减少它的影响，允许数据点偏离其原位置一段距离SVM的目的，找到一个最好的超平面，既能使其与数据点几何间隔尽量大，又考虑到使数据点偏差量尽量小，两者权重可调SVM训练：输入模板特征向量分两类，一类为1，另一类为-1，获得决策函数u=wx-bSVM判断：输入待判断特征向量x代入u=wx-b，得到u0则认为x属于1类，u0则认为x属于-1类，且u绝对值越大说明判断结果越可靠两个环节1-vs-allSVM算法对于k类样本，每次将一类令为1，其余k-1类作为整体令为-1，代入二分类SVM算法。供构造k个决策函数