基本信息

---

下载

文档摘要

---

支持向量机与核方法理论基础概述

支持向量机（Vapnik，1995）是一种处理有监督分类问题的模型，其所求的决策平面具有最大化间隔的特点，即该决策平面是距离两类样本距离最大的超平面，这样可以保证样本被最大限度地分开。二元分类问题中，样本的类别可以记为“+1”和“?1”，作为正负类样本的区分。对于线性可分的数据集来说，存在无数超平面可以分开两类样本，因此有些线性分类器，如感知机，其每次迭代计算产生的结果都有可能不同，但支持向量机在这类问题中求得的最大间隔超平面具有唯一性，其结果非常稳定。支持向量机的构造思想决定了其具有结构风险最小化的特点，即理论上其能极小化训练数据的泛化误差上界；且模型中包含正