标签：jpg 概念 sigma image 取值 参考 and 方式 upload
核函数使用的条件:
核函数的充要条件是K矩阵是半正定的。 将K特征值分解，有V‘KV=∧,K=V∧V‘ 经特征映射将属性值映射到特征空间Ф：xi->sqrt(λ:)*Vi: （根号对角特征值阵*第i点对应的特征向量阵的第i行阵） 核函数K(x,z)对应于特征映射Ф的核函数=<Ф(x)•Ф(z)>
先不慌，我们要搞清楚正定与半正定先熟悉几个基本的概念
最简单的理解就是：线性变换就是线性映射，矩阵只不过是线性映射的系数而已。所以，选定基底实际是选定坐标轴（不一定正交）。我们平时不太关心坐标轴，是因为所有地方都用同一个坐标系x-y-z。很多时候，合适的坐标系会简化问题。
这就像描述一个物体的运动，你需要选取参考系，参考系不同，描述方式也不同。在不同的基下，同一个线性变换就有不同的矩阵表示，不过他们本质上并没有什么区别，这也由相似这一概念表明。
核函数的理解：
常见的核函数：
核函数有很多，最常用的是高斯核函数：
高斯核函数可以将原始的特征空间映射到无穷维的特征空间。
对于样本 { x(1)，x(2)，x(3)，… ，x(m) } ，l 的取值是所有的 x 。
高斯核函数计算的是每一个 x(j) ，和所有的 l(i) 之间的距离关系：
上图中突起的点代表着就是 l(i) 的位置，而 x(j) 在图中落点的高度，就是核函数的值。
如果 x(j) 与 l(i) 距离很近，那么 || x(j) - l(i) ||2 ≈ 0，核函数的值为 1；如果 x(j) 与 l(i) 距离很远，那么 || x(j) - l(i) ||2 >> 0，核函数的值为 0 。
同样距离下，核函数变化的敏感度，可以通过 σ 来控制。
σ 越小，同样距离下核函数的结果就越小：
标签：jpg 概念 sigma image 取值 参考 and 方式 upload
原文地址：https://www.cnblogs.com/SmartCat994/p/12306858.html
