SVM学习笔记

        最近在做模式识别，想通过SVM+opencv+VS2015+MNIST实现手写数字识别，老师要求自己把模式识别的算法写出来，自己之前就对支持向量机的强大功能表示出兴趣，正好利用这个机会好好学习一下SVM，因此这就是这篇博文的由来。第一次写博文，主要是作为一个笔记记录的工作，如果我的文章对你有一些帮助，那也是令我值得高兴的。

http://blog.csdn.net/macyang/article/details/38782399/

       这是我正是学习SVM看的第一篇博文可以看出博主非常的用心，逻辑非常的清晰，我看完后基本明白了SVM是个什么样的算法。下面就写一下我的理解。

       在模式识别中分类问题一直是经久不衰的议题，为了实现更好的分类，研究人员提出了很多算法。SVM便是其中的一种。SVM最开始只适用于线性可分的数据分类，后面为了解决线性不可分，引入了将低纬度的数据映射的高纬度，再在高纬度进行计算，如一个一高一低两个环，在二维的情况下，只能看到一个同心圆，无法用一条直线把它们分割开，但是将这个同心圆还原到三维时，只需要在侧面画一条直线就可以分开。但是，在实际实现过程中，发现在高维去计算的话计算量很大，不利于分类的时效性，因此，引入了核函数，核函数是一个函数，这个函数的参数只有有限个，也就是说这个函数表示的图像是在低纬度的，这样计算量会大大减少。但是它拆分开后又可以等价为高纬度的计算，因此相当于用较少的计算量实现了高纬度的计算。以上便是SVM算法的大致理解。