【CHRISTOPHER J.C. BURGES】模式识别的支持向量机教程
本课件主要内容包括:引言模式识别学习机泛化性能的边界2.1 VC维2.2 定向超平面的破碎点2.3 VC维数与参数数量2.4 通过最小化h来最小化边界值2.5 两个示例2.6 结构风险最小化线性SVM3.1 可分离的案例3.2 Karush-Kuhn-Tucker条件3.3 最优超平面示例3.4 测试阶段3.5 不可分离的案例3.6 力学模拟3.7 图形...
·
本课件主要内容包括:
-
引言
-
模式识别学习机泛化性能的边界
2.1 VC维
2.2 定向超平面的破碎点
2.3 VC维数与参数数量
2.4 通过最小化h来最小化边界值
2.5 两个示例
2.6 结构风险最小化
-
线性SVM
3.1 可分离的案例
3.2 Karush-Kuhn-Tucker条件
3.3 最优超平面示例
3.4 测试阶段
3.5 不可分离的案例
3.6 力学模拟
3.7 图形示例
4 非线性SVM
4.1 Mercer条件
4.2 一些注意要点
4.3 非线性SVM的示例
4.4 全局解与唯一性
5 求解的方法
5.1 复杂性、可扩展性和并行性
5.1.1 训练
5.1.2 验证
6 SVM的VC维
6.1 多项式核的VC维
6.2 径向基函数核的VC维
7 SVM的泛化性能
7.1 容隙分类器的VC维
7.2 容错分类器、结构风险最小化和支持向量机
7.3 如何计算最小封闭球
7.4 Leave-One-Out边界
7.5 VC、SV边界与实际风险
8 局限性
9 可扩展性
10 结论


完整原文下载地址:
http://page2.dfpan.com/fs/blc7j2321c2981676b4/
更多精彩文章请关注微信号:
更多推荐
所有评论(0)