OpenCV笔记（3）实现支持向量机（SVM）

      参考教程：点击打开链接

      参考教程使用的是OpenCV 2.0 版本，这里将其修改为3.0版本。

1.SVM（支持向量机）

      SVM是一种训练机器学习的算法，可以用于解决分类和回归问题。

      正式定义：是一个能将不同类样本在样本空间分割的超平面，给定一些标记好的训练样本，SVM算法输出一个最优化的分隔超平面。

      

      判定是否为最优平面的依据：

      

      如上图所示，给定一些分属两类的特征点，这些点可以通过直线分割，我们要找到一个最优的直线。满足的直线很多，该怎么定义最优？有个评价标准是直线到所有点的距离最远。距离样本点太近的话，直线对噪声敏感度高，泛化性比较差。

      SVM算法就是找到能将某个值最大化的超平面，这个值是超平面离所有样本点的最小距离。这个距离叫间隔。

      

      相比较其他机器学习算法，它的优点有样本小 、结构风险小、非线性等。