如题所述
第1个回答 2022-07-29
支持向量机(Support Vector Machine, SVM)是一类按监督学习方式对数据进行二元分类的广义线性分类器,其决策边界是对学习样本求解的最大边距超平面。
SVM使用铰链损失函数计算经验风险并在求解系统中加入了正则化项以优化结构风险,是一个具有稀疏性和稳健性的分类器 。SVM可以通过核方法进行非线性分类,是常见的核学习方法之一。
SVM被提出于1964年,在二十世纪90年代后得到快速发展并衍生出一系列改进和扩展算法,在人像识别、汽车、文本分类等模式识别问题中有得到应用。
SVM是由模式识别中广义肖像算法发展而来的分类器,其早期工作来自前苏联学者Vladimir N. Vapnik和Alexander Y. Lerner在1963年发表的研究。1964年,Vapnik和Alexey对广义肖像算法进行了进一步讨论并建立了硬边距的线性SVM。
此后在二十世纪70-80年代,随着模式识别中最大边距决策边界的理论研究 、基于松弛变量的规划问题求解技术的出现,和VC维的提出 ,SVM被逐步理论化并成为统计学习理论的一部分。
1992年,Bernhard E. Boser、Isabelle M. Guyon和Vapnik通过核方法得到了非线性SVM。
1995年,Corinna Cortes和Vapnik提出了软边距的非线性SVM并将其应用于手写字符识别问题 ,这份研究在发表后得到了关注和引用,为SVM在各领域的应用提供了参考。
以上内容参考学铁路列车乘务
技能+就业
汽车维修课程
技能+就业
焊工培训+考证
短期技能精修
二手车评估师
培训+考证
查
看
更
多
- 官方电话在线客服官方服务
- 官方网站招生简章获取学费专业开设在线课堂预约参观