支持向量機三_第1頁
支持向量機三_第2頁
支持向量機三_第3頁
支持向量機三_第4頁
支持向量機三_第5頁
已閱讀5頁，還剩3頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

SVM三核函數(shù)前言：前面討論的樣本都是線性可分的，即存在一個超平面能夠將樣本正確分類實際任務中，也許并不存在這樣的一個線性空間，能夠樣本分類。例如上圖，劃分它的平面就不是線性的，但是當把這些點映射到高緯度的空間中，又變成了線性可分的，如下一高維空間的映射如上，一個非線性函數(shù)，可以通過向量的內積變換，變成線性函數(shù)前一章的SVM問題可以轉換為比匕二￡2]Mi匕05,恥）》7孔這種通過向量的內積，可以將兩個步驟融合在一起，建立一個低維度空間到高維度空間的非線性學習器，這種直接求解非線性分類器的方法，稱為核函數(shù)這種計算量是非常大的，例如原來是2維度，映射后會成為4維度3維度會成為9維。n*n方式映射。線性代數(shù)第二章矩陣初等變換里面有證明這種類型的矩陣是存在的二核函數(shù)法

什么樣的函數(shù)可以作為核函數(shù)呢？？？我們上面看到有個很重要的特征，這種參數(shù)是對稱的【矩陣跟轉置矩陣的乘積，是關于對角線對稱的，也叫正定矩陣】，所以核矩陣總是半正定的，所以只要一個對稱函數(shù)對應的核矩陣是半正定的，它就能作為核函數(shù)。也被稱作為再生核希爾伯特空間（RKHS）特征空間這邊列舉了幾種核函數(shù)三應用前幾天有個網(wǎng)友發(fā)了這么一個項目，要做的跟這個效果一樣前面一張是RGB圖片，后面是一張灰度圖。這種傳統(tǒng)的算法方案比較多，比如MIB算法，基于邊緣灰度的局部增強技術。難的是，不知道原來作者采用的是哪套算法。可能要化非常長的時間在這上面調試上。今天仔細想了一下，有種更簡單的方案原理：1:原圖轉灰度圖，灰度圖矩陣化A2:目標圖二值化，取值1，-1作為對應點的響應3：以目標圖中心點，取原圖中心點作8*8像素作為訓練的特征參數(shù)4：以SVM聚類，獲得權值方程式WX+B5:新圖按照

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論