视觉机器学习20讲-MATLAB源码示例(9)-SVM算法

视觉机器学习20讲-MATLAB源码示例(9)-SVM算法

  • 1. SVM算法
  • 2. Matlab仿真
  • 3. 仿真结果
  • 4. 小结

1. SVM算法

SVM(support Vector Mac)又称为支持向量机,是一种二分类的模型。当然如果进行设计调整也可以用于多类别问题的分类。支持向量机可以分为线性核非线性两大类。其主要思想为找到空间中的一个更够将所有数据样本划开的超平面,并且使得本本集中所有数据到这个超平面的距离最短。

支持向量机(SVM)是从数据中找出一个数据的分割超平面。将两个类别的数据完全分割开,并且在模型构建的过程中,保证分割区间最大化。

(1)线性可分:在数据集中,如果可以找出一个超平面,将两组数据分开,那么这个数据集叫做线性可分数据。

(2)线性不可分:在数据集中,没法找出一个超平面,能够将两组数据分开,那么这个数据集就叫做线性不可分数据。

(3)分割超平面:将数据集分割开来的直线/平面叫做分割超平面。

(4)支持向量:离分割超平面最近的那些点叫做支持向量。

(5)间隔:支持向量数据点到分割超平面的距离称为间隔。

(6)KKT条件:KKT

你可能感兴趣的:(图像处理,计算机视觉,MATLAB,SVM,支持向量机)