模式识别支撑向量机.ppt

**广义线性判别函数第21页,共39页，星期六，2024年，5月**3.6支撑向量机一个例子第22页,共39页，星期六，2024年，5月**3.6支撑向量机X要变换到高维空间第23页,共39页，星期六，2024年，5月**3.6支撑向量机用X的函数表示这种变换第24页,共39页，星期六，2024年，5月**3.6支撑向量机用X的函数表示这种变换第25页,共39页，星期六，2024年，5月**3.6支撑向量机要做(m+2)(m+1)/2次乘法和加法第26页,共39页，星期六，2024年，5月**3.6支撑向量机第27页,共39页，星期六，2024年，5月**3.6支撑向量机第28页,共39页，星期六，2024年，5月**3.6支撑向量机第29页,共39页，星期六，2024年，5月**3.6支撑向量机第30页,共39页，星期六，2024年，5月**3.6支撑向量机第31页,共39页，星期六，2024年，5月**3.6支撑向量机第32页,共39页，星期六，2024年，5月**3.6支撑向量机第33页,共39页，星期六，2024年，5月**3.6支撑向量机第34页,共39页，星期六，2024年，5月**3.6支撑向量机结论：当我们处理非线性可分情况时，将特征向量变换到高维空间时，我们可以只要定义变换后的内积运算，而不必真的进行这种变换。统计学习理论指出，只要这种运算满足Mercer条件，它就可以作为这里的内积使用第35页,共39页，星期六，2024年，5月**3.6支撑向量机第36页,共39页，星期六，2024年，5月**3.6支撑向量机第37页,共39页，星期六，2024年，5月**3.6支撑向量机由于最终的判别函数中实际只包含与支持向量的内积和求和，因此，识别时的计算复杂度取决于支持向量的个数第38页,共39页，星期六，2024年，5月**3.6支撑向量机第39页,共39页，星期六，2024年，5月模式识别支撑向量机3.6支撑向量机第2页,共39页，星期六，2024年，5月**3.6支撑向量机第3页,共39页，星期六，2024年，5月**3.6支撑向量机第4页,共39页，星期六，2024年，5月**3.6支撑向量机第5页,共39页，星期六，2024年，5月**3.6支撑向量机第6页,共39页，星期六，2024年，5月**3.6支撑向量机第7页,共39页，星期六，2024年，5月**3.6支撑向量机第8页,共39页，星期六，2024年，5月**3.6支撑向量机第9页,共39页，星期六，2024年，5月**3.6支撑向量机第10页,共39页，星期六，2024年，5月**3.6支撑向量机第11页,共39页，星期六，2024年，5月**3.6支撑向量机第12页,共39页，星期六，2024年，5月**3.6支撑向量机第13页,共39页，星期六，2024年，5月**3.6支撑向量机第14页,共39页，星期六，2024年，5月**3.6支撑向量机第15页,共39页，星期六，2024年，5月**3.6支撑向量机公式推导第16页,共39页，星期六，2024年，5月**3.6支撑向量机非线性可分时第17页,共39页，星期六，2024年，5月**3.6支撑向量机非线性可分时第18页,共39页，星期六，2024年，5月**3.6支撑向量机非线性可分时第19页,共39页，星期六，2024年，5月**3.6支撑向量机非线性可分时，在广义线性判别函数时是变换到新的空间中第20页,共39页，星期六，2024年，5月