Halcon支持向量机

一 支持向量机

1 支持向量机介绍:

支持向量机(Support Vector Machine,SVM)是Corinna 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表现出许多特有的优势。

2 支持向量机原理:

在n维空间中找到一个分类超平面,将空间上的点分类,虚线上的点叫做支持向量机Supprot Verctor,中间红线叫超级平面,SVM目的是拉大所有点到超级平面的距离。


对于线性不可分的情况,我们的常用做法是把样本特征映射到高维空间中去。

但映射到高维空间,可能会导致维度太大,导致计算复杂。这里又引入核函数;

核函数:又叫非线性映射,它是将样本特征映射到高维空间,在这个空间构造最优的超平面.

核函数类型:线性核,多项式核,高斯核(rbf)等等。

正则常数C:指的是SVM里拉格朗日乘数的约束程度

正则常数值越大表示惩罚越大,越不能容忍错误,支持向量就越多,容易造成过度拟合。

正则常数越小与之相反,容易造成欠拟合.

3 SVM几种模式

one-versus-all(一对多法):训练时依次把某个类别的样本归为一类,其他剩余的样本归为另一类,这样n个类别的样本就构造出了n个SVM.

one-versus-one(一对一法):训练时依次把任意两类样本之间设计一个SVM,因此n个类别的样本就需要设计n(n-1)/2个SVM.

4 特征向量预处理类型:

canonical_variates:典型关联分析,在线性回归中,我们使用直线来拟合样本点,寻找n维特征向量X和输出结果Y之间的线性关系;

Principal component analysis:主成分分析,主成分分析(PCA)是一种统计过程,它使用一个正交变换,将一组可能的相关变量的观测值成一组线性不相关变量称为主成分的值;

相关推荐
十盒半价12 分钟前
从递归到动态规划:手把手教你玩转算法三剑客
javascript·算法·trae
GEEK零零七18 分钟前
Leetcode 1070. 产品销售分析 III
sql·算法·leetcode
凌肖战26 分钟前
力扣网编程274题:H指数之普通解法(中等)
算法·leetcode
秋说27 分钟前
【PTA数据结构 | C语言版】将数组中元素反转存放
c语言·数据结构·算法
WebInfra27 分钟前
如何在程序中嵌入有大量字符串的 HashMap
算法·设计模式·架构
森焱森1 小时前
APM与ChibiOS系统
c语言·单片机·算法·架构·无人机
★Orange★2 小时前
Linux Kernel kfifo 实现和巧妙设计
linux·运维·算法
尘世闲鱼2 小时前
解数独(C++版本)
开发语言·c++·算法·解数独
qqxhb2 小时前
零基础数据结构与算法——第四章:基础算法-排序(中)
数据结构·算法·排序算法·归并·快排·堆排
FF-Studio3 小时前
大语言模型(LLM)课程学习(Curriculum Learning)、数据课程(data curriculum)指南:从原理到实践
人工智能·python·深度学习·神经网络·机器学习·语言模型·自然语言处理