核函数理论不是源于支持向量机的.它只是在线性不可分数据条件下实现支持向量方法的一种手段.这在数学中是个古老的命题. Mercer定理可以追溯到1909年，再生核希尔伯特空间(ReproducingKernel Hilbert Space, RKHS)研究是在20世纪40年代开始的。早在1964年Ai...
分类：
其他好文 时间：
2014-11-02 12:20:09
阅读次数：
277
SVM
1、支持向量机发展历史
1963年，Vapnik在解决模式识别问题时提出了支持向量方法。起决定性作用的样本为支持向量
1971年，Kimeldorf构造基于支持向量构建核空间的方法
1995年，Vapnik等人正式提出统计学习理论。
通俗来讲，SVM是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，即支持向量机的学习策略便是间隔最大化，...
分类：
其他好文 时间：
2014-10-31 10:09:13
阅读次数：
403
一、线性分类器：首先给出一个非常非常简单的分类问题（线性可分），我们要用一条直线，将下图中黑色的点和白色的点分开，很显然，图上的这条直线就是我们要求的直线之一（可以有无数条这样的直线） 假如说，我们令黑色的点 = -1， 白色的点 = +1，直线f(x) = w.x + b，这儿的x、w是向量，其实...
分类：
其他好文 时间：
2014-10-24 18:26:50
阅读次数：
265
支持向量机通俗导论（理解SVM的三层境地）作者：July ；致谢：pluskid、白石、JerryLead。出处：结构之法算法之道blog。前言 动笔写这个支持向量机(support vector machine)是费了不少劲和困难的，原因非常简单，一者这个东西本身就并不好懂，要深入学...
分类：
其他好文 时间：
2014-10-20 21:21:03
阅读次数：
303
支持向量机和神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实，支持向量机的泛化能力强于神经网络，而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建.....
分类：
其他好文 时间：
2014-10-14 18:17:59
阅读次数：
227
本文用白话的形式介绍了图像分类领域的三大主流分类器：贝叶斯网络、神经网络和支持向量机，绝不带一个数学公式，希望对大家有帮助...
分类：
其他好文 时间：
2014-10-13 01:17:18
阅读次数：
230
SVM，支持向量机。数据挖掘中的一个经典算法，博主学了挺久，把学到的一些东西跟大家分享一下。
支持向量机(SVM,Support Vector Machine)是在高维特征空间使用线性函数假设空间的学习系统,它由一个来自最优化理论的学习算法训练,该算法实现了一个由统计学习理论到处的学习偏置.此学习策略由Vapnik和他的合作者提出,是一个准则性的
并且强有力的方法.在它提出来的若干年来,在范...
分类：
编程语言 时间：
2014-10-11 19:34:26
阅读次数：
352
SVM（支持向量机）是机器学习算法里用得最多的一种算法。SVM最经常使用的是用于分类，只是SVM也能够用于回归，我的实验中就是用SVM来实现SVR（支持向量回归）。 对于功能这么强的算法，opencv中自然也是有集成好了，我们能够直接调用。OpenCV中的SVM算法是基于LibSVM软件包开发...
分类：
其他好文 时间：
2014-10-11 16:43:15
阅读次数：
473
（一）SVM的背景简单介绍支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出很多特有的优势，并可以推广应用到函数拟合等其它机器学习问题中[10]。支持向量机方法是建立在统计学习理论的VC 维理论和...
分类：
其他好文 时间：
2014-10-07 15:20:53
阅读次数：
367
