广义特征支持向量机（ GEPSVM）

最新推荐文章于 2022-05-18 19:36:41 发布
最新推荐文章于 2022-05-18 19:36:41 发布
阅读量1.2k 收藏 15
点赞数 1
分类专栏： 机器学习 svm 非平行支持向量机 文章标签： 人工智能 机器学习
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/liugxin/article/details/112132081
版权

广义特征支持向量机（ GEPSVM）

这里有属于类1和-1的样本点，分别由矩阵A和B来表示，用m1和m2来分别表示两个类别的数目，因此矩阵A和B分别为（m1 x n）和（m2 x n）。GEPSVM的目的就是为了获得两个不平行的决策超平面，如下：
在这里插入图片描述
从而使平面与1类和-1类数据点之间的欧氏距离分别最小。引出了以下优化问题：
在这里插入图片描述
这里的e是一个适当维度的全1向量，|| ||为L2范数。此式默认（w,b）不等于0，Bw+eb不等于0。
简化上式得到：
在这里插入图片描述
优化问题可以通过引入Tikhonov regularization正则化如下:
在这里插入图片描述

此处的δ> 0，这反过来又得到了瑞利的商形式
在这里插入图片描述
G、H为对称矩阵
在这里插入图片描述
利用瑞利商的一些众所周知的性质，通过求解广义特征值问题得到了其解：
在这里插入图片描述

Luff_
关注
  • 1
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
基于广义特征值的流形正则化近邻支持向量机
03-08
基于广义特征值的流形正则化近邻支持向量机
多核支持向量机
09-02
支持向量机将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面。分隔超平面使两个平行超平面的距离最大化。假定平行超平面间的距离或差距越大，分类器的总误差越小。它是一种监督式学习的方法，广泛应用于统计分类以及回归分析中。
机器学习笔记--支持向量机
qq_44175983的博客
10-29 1461
1、支持向量机概述 1.1 基本概念 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 。 1.2 硬间隔、软间隔和非线性 SVM [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-utYTZqZv-1635427227229)(9DB38BE78A154A6E80349AC55066FCA1)] 硬间隔指的就是完全分类准确，不能存在分类错误的情况。软间隔，就
机器学习笔记04——支持向量机
david2000999的博客
05-18 736
支持向量机是一种二分类算法，通过在高维空间中构造超平面实现对样本的分类。最简单的情形是训练数据线性可分的情况，此时的支持向量机就被弱化为线性可分支持向量机，这可以视为广义支持向量机的一种特例。 线性可分的数据集可以简化为二维平面上的点集。在平面直角坐标系中，如果有若干个点全部位于 x 轴上方，另外若干个点全部位于 x 轴下方，这两个点集就共同构成了一个线性可分的训练数据集，而 x 轴就是将它们区分开来的一维超平面，也就是直线。就好比是一刀切开两堆芝麻。 如果在上面的例子上做进一步的假设，假定 x 轴上方的点
SVM——支持向量机详解
紫轩的专栏
09-07 2004
（一）SVM的八股简介 支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。 支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Ac
支持向量机原理.pdf
03-08
2.重点讲解了支持向量机的原理，首先深入讲解支持向量机的最基础类型——线性可分支持向量机，在此基础上拓展到广义线性支持向量机、非线性支持向量机以及回归支持向量机，并介绍了近来支持向量机的改进算法；...
支持向量机python代码实现版本
11-11
支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面...
基于matlab的支持向量机分类模型
11-07
支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面...
支持向量机实验.pdf
01-16
支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面...
机器学习+matlab+SVM支持向量机
01-23
支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面...
svm源码实现
01-02
svm源码，可用于多分类，svm源码，可用于多分类，svm源码，可用于多分类svm源码，可用于多分类
SVM（support victor machine，支持向量机）多分类机器学习的笔记
baidu_38205880的博客
05-09 480
SVM（support victor machine，支持向量机）小记 SVM特点：可以对小样本进行分类，也是其缺点，对大规模训练样本会出现过拟合。 SVM训练集测试集的数据比值最好为3:1或者4:1，且多分类时，每种分类的训练样本数量应该相差不大。 多分类SVM：调用函数有 要调用多分类SVM必须先要下载一个库：libsvm-3.23 svmpath='D:\Program File...
非平行支持向量机梳理（TWSVM系列）
刘广鑫的博客
01-05 718
GEPSVM https://blog.csdn.net/LIUGXIN/article/details/112132081 TWSVM https://blog.csdn.net/LIUGXIN/article/details/112132369 TBSVM https://blog.csdn.net/LIUGXIN/article/details/112142453 文章持续更新中……
孪生双子支持向量机（TWSVM）
刘广鑫的博客
01-03 6753
孪生双子支持向量机（TWSVM） 孪生双子支持向量机与广义特征支持向量类似都是求取两个非平行的超平面来分离数据。（广义特征支持向量机https://blog.csdn.net/LIUGXIN/article/details/112132081）但是他们在本质上是不同的。TWSVM对中的两个二次规划问题都有一个典型的SVM公式。 通过求解以下公式得到TWSVM分类器二次规划问题： 这里的c1、c2 为常数且 c1、c2 > 0，e1、e2为合适维度的单位向量。 该算法找到两个超平面，每一类对应一个超
最小二乘双子支持向量机（LSTSVM）
刘广鑫的博客
01-07 1156
最小二乘双子支持向量机（LSTSVM）线性 LSTSVM非线性 LSTSVM LSTSVM不是求解一对复杂的QPPs，而是通过求解两个线性方程生成两个非平行超平面。 线性 LSTSVM 线性LSTSVM的优化问题为： 简化可得： 得到线性LSTSVM的决策函数为： 距离哪个决策平面更近就分为哪类。 非线性 LSTSVM LSTSVM也使用核函数对非线性可分的数据样本进行分类。将非线性LSTSVM的优化问题表述为： 简化得到： 将高维空间中的超平面表示为： 新数据样本按以下公式分类： ...
孪生支持向量机基本原理
Lee_Mon_Tree的博客
07-26 4331
孪生支持向量机（TWSVM）是一种二值SVM分类器，通过求解两个相关的SVM类型的问题来确定两个非平行平面，其中每个问题都比传统的SVM小。孪生支持向量机公式是基于广义特征值最接近支持向量机（GEPSVM）。在多个基准数据集上，孪生支持向量机不仅速度快，而且具有很好的泛化能力。 孪生支持向量机在本质上类似于GEPSVM，因为它们也获得非平行平面，相应类的数据点围绕这些平面进行聚集。然而，它们基于完全不同的公式。事实上，一对TWSVM中的两个二次规划问题都有一个典型的SVM公式，只是并非所有的模式...
用于模式分类的孪生支持向量机
Lee_Mon_Tree的博客
05-17 810
用于模式分类的孪生支持向量机 孪生支持向量机是一种二值SVM分类器，通过求解2个相关的SVM类型的问题来确定两个非平行平面，其中每个问题都比传统的SVM小。孪生支持向量机公式是基于广义特征值的近端SVM。在多个基准数据集上，孪生SVM不仅速度快。而且具有很好地泛化能力，也可用于自动发现数据的二维投影。 孪生支持向量机简介 孪生支持向量机（TWSVM）本质上类似于广义特征值近端SVM（GEPSVM），因为它们获得非平行平面，相应类的数据点围绕这些平面进行聚集。然而，它们基于完全不同的公式。事实上，一对TWSV
支持向量机之多分类支持向量机
weixin_38410551的博客
03-04 3822
多分类支持向量机是由k个支持向量机构成，当输入一个样本，分别输出k个概率，样本属于概率最大的那个类。
SVM理论
热门推荐
heavendai的专栏
11-15 1万+
SVM入门（一）至（三）Refresh 按:之前的文章重新汇编一下,修改了一些错误和不当的说法，一起复习,然后继续SVM之旅. （一）SVM的简介 支持向量机(Support Vector  Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。 支持向量机方
支持向量机是广义线性模型吗
最新发布
04-20
支持向量机（Support Vector Machine，SVM）是一种广义线性模型。它可以用于分类和回归任务，并且在处理线性和非线性问题时都表现出色。 在分类任务中，SVM通过在特征空间中找到一个最优的超平面来将不同类别的样本...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
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
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