【翻译论文】Support-Vector Networks（1995）

已于 2022-04-27 16:52:25 修改
阅读量3k 收藏 5
点赞数
分类专栏： 读论文 文章标签： 分类 支持向量机 机器学习
于 2022-03-22 19:19:39 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Yang_Wanli/article/details/123664821
版权
本文详细介绍了支持向量机(SVM)的理论基础，包括最优超平面、软间隔概念以及内积的回旋方法。SVM通过非线性映射将数据映射到高维特征空间，构建具有良好推广能力的线性决策面。通过实验分析展示了SVM在模式识别和数字识别任务中的优秀性能，表明SVM是一种强大的通用学习机器。
摘要由CSDN通过智能技术生成

【翻译论文】Support-Vector Networks（1995）
Corinna Cortes，Vladimir Vapnik

DOI :10.1023/A:1022627411411

文章目录

摘要:

支持向量网络是一种针对两类问题的新学习机器.它的实现基于以下思想:将输入向量非线性地映射到一个很高维的特征空间.并在该特征空间中构造一个线性决策平面.该决策平面的特殊性质保证了学习机器具有很好的推广能力.支持向量网络的思想已在完全可分的训练数据集上得以实现,这里我们将它扩展到不完全可分的训练数据集.

利用多项式输入变换的支持向量网络被证明具有很好的推广能力.我们以光学字体识别为实验将支持向量网络和其他不同的经典学习算法进行了性能比较.

关键词：

模式识别, 有效的学习算法, 神经网路, 径向基函数分类器, 多项式分类器

1.介绍

60多年前,R.A.Fisher[7]提出了模式识别领域的第一个算法.该模型考虑n维向量x正态分布N(m1,∑1)和N(m2,∑2), m1 和m2为各个分布的均值向量, ∑1和∑2为各个分布的协方差矩阵,并给出最优解为如下二次决策函数:
在这里插入图片描述（1）

当∑1 = ∑2 = ∑时该二次决策函数(1)退化为一个线性函数:

了解本专栏 订阅专栏 解锁全文 超级会员免费看
氧艺
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
support vector networks中文翻译
09-15
vapnik的SVM论文 支持向量网络是一种针对两类问题的新学习机器.它的实现基于以下思想:将输入向量非线性地映射到一个很高维的特征空间.并在该特征空间中构造一个线性决策平面.该决策平面的特殊性质保证了学习机器具有很好的推广能力.支持向量网络的思想已在完全可分的训练数据集上得以实现,这里我们将它扩展到不完全可分的训练数据集
支持向量机在计算机视觉中的应用：目标检测和关键点提取
最新发布
禅与计算机程序设计艺术
12-27 424
1.背景介绍 计算机视觉(Computer Vision)是一门研究如何让计算机理解和解析人类视觉系统所能看到的图像和视频的科学。目标检测和关键点提取是计算机视觉中两个非常重要的任务，它们在人脸识别、自动驾驶等领域具有广泛的应用。支持向量机(Support Vector Machine，SVM)是一种常用的机器学习算法，它可以用于解决二分类和多分类问题。在本文中，我们将讨论如何使用SVM在计算机...
support vector network
何必浓墨重彩
01-26 1772
The support-vector network implements the following idea: 转自贾扬清https://www.zhihu.com/question/22290096/answer/52642714 具体地说，线性SVM的计算部分和一个单层神经网络一样，就是一个矩阵乘积。SVM的关键在于它的Hinge Loss以及maximum margin的想法。
深入浅出SVM（支持向量机）
lost-person的博客
02-10 5190
支持向量机是机器学习领域中经典的分类算法之一，最早由Corinna Cortes, Vladimir Vapnik于1995年提出。对原论文感兴趣的读者可下载此论文Support-Vector Network 简介 分类学习的最基本思想就是基于给定的训练集DDD，在样本空间中寻找一个划分超平面，将不同类别的样本分开。假如有一样本集D={(x1,y1),(x2,y2),…,(xm,ym)}D = ...
Machine Learning-L8-SVM：支持向量机全面解析
聚集机器学习、信息安全
03-08 796
支持向量机（Support Vector Machine）由Cortes 和Vapnik于1995年正式发表（"Support vector networks", Machine Learning, 20(3):273-297)，由于在二维表分类任务中显示出卓越性能，很快成为机器学习的主流技术，并在2000年掀起了统计学习的高潮。
支持向量机和神经网络的区别_支持向量机（SVM）
weixin_39864373的博客
12-03 6604
SVM 支持向量机（Support Vector Machine-SVM）于1995年正式提出（Cortes and Vapnik, 1995），与logistics regression类似，最初SVM也是基于线性判别函数，并借助凸优化技术，以解决二分类问题，然而与逻辑回归不同的是，其输出结果为分类类别，并非类别概率。由于当时支持向量机在文本分类问题上显示出卓越的性能（AdaBoost+SVM...
SVM
heatrain的博客
03-11 516
CorinnaCortes和VladimirVapnik于1995年在《Support-vector networks》中提出了SVM(Support Vector Machine)。Cortes目前是Google的研究员，Vapnik就职于Facebook。 下面一起来看一下SVM的原理。 1、硬间隔SVM(线性可分) 百度百科对SVM的定义是：支持向量机（Support Vector...
论文研究-A Continuous-time Recurrent Neural Network for Real-time Support Vector Regression.pdf
08-19
一类实时求解支持向量拟合的连续反馈神经网络模型，刘庆山，，本文提出了一类通过微分方程描述的连续时间反馈神经网络模型用以实时求解支持向量拟合问题。首先,支持向量拟合被描述成一个约束��
Research on Link Quality Estimation Mechanism for Wireless Sensor Networks Based on Support Vector Machine
02-10
Research on Link Quality Estimation Mechanism for Wireless Sensor Networks Based on Support Vector Machine
面板数据机器学习简介-研究论文
05-20
机器学习极大地扩展了评估经济面板数据的工具范围。 本文将各种机器学习方法应用于波士顿房屋数据集，这是机器学习的标志性试验场。 尽管机器学习通常缺乏线性回归的明显解释性，但基于决策树的方法却对数据集特征的...
论文研究-基于改进的R-FCN带纹理透明塑料裂痕检测.pdf
09-12
实验表明，改进后的R-FCN检测方法的裂痕检测精度比基于传统机器学习支持向量机（Support Vector Machine，SVM）检测方法的裂痕检测准确率高20%左右，比未改进的R-FCN检测方法的检测准确率高8%，证明了该方法的有效性...
论文读书笔记-Support vector machine
无知的我
12-16 2539
论文标题：Support vector machine 这篇论文是马波老师在模式识别课上要求我们进行翻译的，讲的内容是支持向量机。考虑到既然他单独把这篇文章拿出来让我们翻译，足以见得支持向量机SVM在模式识别中的重要作用。 下面是一些摘抄： 1、        定义 首先肯定要说说SVM的定义: The basic SVM takes a set of input data and pre
SVM(Support Vector Machine)读书笔记三(Soft-margin SVM)
Jackie_Zhu的专栏
08-03 1万+
上两篇讲到了hard-margin的SVM以及kernel的原理，利用高斯kernel可以将低维空间转换到无穷维，将所有样本分开。但是如果数据中存在一定的噪声数据，SVM也会将噪声数据拟合，存在过拟合的风险。Soft-margin SVM原理就是让SVM能够容忍一定的噪声数据，以减少过拟合的风险。Hard-margin过拟合问题 先看一下上面的相同数据集中的两个模型，左图中的模型能够容忍数据中存在
论文笔记：Support vector domain description(Tax,Duin1999)
chenxy_bwave的专栏
10-22 1371
论文阅读笔记：David M.J. Tax, Robert P.W. Duin, Support vector domain description, PRL1999
零基础学Support Vector Machine(SVM)
热门推荐
六半
08-31 2万+
转载自知乎耳东陈老师  零基础学Support Vector Machine(SVM) 如果你是一名模式识别专业的研究生，又或者你是机器学习爱好者，SVM是一个你避不开的问题。如果你只是有一堆数据需要SVM帮你处理一下，那么无论是Matlab的SVM工具箱，LIBSVM还是python框架下的SciKit Learn都可以提供方便快捷的解决方案。但如果你要追求的不仅仅是会用，还希望挑战一
支持向量机-support vector machines
qq_36341799的博客
10-25 400
WIKI In machine learning, support vector machines (SVMs, also support vector networks[1]) are supervised learning models with associated learning algorithms that analyze data used for classification ...
[机器学习] Coursera笔记 - Support Vector Machines
WangBo的机器学习乐园
12-09 5965
本文主要整理自“Support Vector Machines (SVMs)”课程的笔记资料和一些经典教材，同时也参考了网上经典的关于SVM的博客，包含了SVM的一些基本概念和推导，供读者参考。
Support Vector Machines vs. Neural Networks
青青的专栏--C/C++ OOA/D Design Pattern
11-11 838
Support Vector Machines vs. Neural Networks Out-Of-The-Box Performance-Comparison of Neural Networks and Support Vector Machines on popular Classification- and Regression-Datasets. This experiment a
【Paper Note】Support Vector Clustering 论文翻译（未完待续）
roguesir的博客
07-12 957
Support Vector Clustering 论文翻译
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

氧艺

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值