注：关于支持向量机系列文章是借鉴大神的神作，加以自己的理解写成的；若对原作者有损请告知，我会及时处理。转载请标明来源。 序： 我在支持向量机系列中主要讲支持向量机的公式推导，第一部分讲到推出拉格朗日对偶函数的对偶因子α；第二部分是SMO算法对于对偶因子的求解；第三部分是核函数的原理与应用，讲核函数的 ...
分类：
其他好文 时间：
2017-11-18 22:33:22
阅读次数：
422
rcnn:看作分类问题，算法的组合：候选框+卷积提取特征+svm分类 候选框是借用外来的方案，深度学习只是用来提取特征，分类是svm算法，所以不是端到端的方案 1：边缘策略，先根据图像像素之间的关系聚类得到很多的候选框，这部分有很多的方案，比如：selectivesearch 2：根据得到的候选框， ...
分类：
其他好文 时间：
2017-10-31 17:36:41
阅读次数：
163
支持向量机原理(一) 线性支持向量机 支持向量机原理(二) 线性支持向量机的软间隔最大化模型 支持向量机原理(三)线性不可分支持向量机与核函数 支持向量机原理(四)SMO算法原理 支持向量机原理(五)线性支持回归 支持向量机(Support Vecor Machine,以下简称SVM)虽然诞生只有短 ...
分类：
其他好文 时间：
2017-10-01 12:26:41
阅读次数：
114
第三部分：SMO算法的个人理解 接下来的这部分我觉得是最难理解的？而且计算也是最难得，就是SMO算法。 SMO算法就是帮助我们求解： s.t. 这个优化问题的。 虽然这个优化问题只剩下了α这一个变量，但是别忘了α是一个向量，有m个αi等着我们去优化，所以还是很麻烦，所以大神提出了SMO算法来解决这个 ...
分类：
编程语言 时间：
2017-09-17 23:37:08
阅读次数：
461
支持向量机是一种分类模型。模型认为，离分类超平面越远的点，判定结果越准确，所以模型的训练目标就是让离分类超平面最近的样本点距离最大。我们先从最基本的线性可分支持向量机（硬间隔支持向量机）开始推导，之后再推广到可以容纳一定误分类点的线性支持向量机（软间隔支持向量机），最后介绍核函数与 SMO 算法。 ...
分类：
其他好文 时间：
2017-09-10 17:37:09
阅读次数：
184
作者：[已重置]链接：https://www.zhihu.com/question/40546280/answer/88539689来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 SMO(Sequential Minimal Optimization)是针对求解SVM ...
分类：
编程语言 时间：
2017-08-23 20:46:13
阅读次数：
152
非常久之前就学了SVM，总认为不就是找到中间那条线嘛，但有些地方模棱两可，真正编程的时候又是一团浆糊。參数任意试验，毫无章法。既然又又一次学到了这一章节，那就要把之前没有搞懂的地方都整明确，嗯~ 下面使用到的图片来自上海交大杨旸老师的课件。网址例如以下：http://bcmi.sjtu.edu.cn ...
分类：
其他好文 时间：
2017-08-15 19:56:00
阅读次数：
207
引文：常常在看paper的时候。就看到svm算法，可是要自己来写真的是难于上青天呀！所幸有一个libsvm的集成软件包给我们使用，这真的是太好了。以下简介下怎么来使用它吧！ LIBSVM是一个集成软件包。提供支持向量机分类（C-SVC,nu-SVC），回归（epsilon-SVR,nu-SVR）以及 ...
分类：
系统相关 时间：
2017-08-06 14:12:37
阅读次数：
324
在支持向量机模型的求解中，我们用到了SMO算法来求解向量α。那么什么是SMO算法？在讲SMO算法之前。我们须要先了解下面坐标上升法。 1、坐标上升法 如果有优化问题： W是α向量的函数。利用坐标上升法（当然，求目标函数的最小时即为坐标下降法）求解问题最优的步骤例如以下： 算法的思想为：每次仅仅考虑一 ...
分类：
编程语言 时间：
2017-07-24 09:58:08
阅读次数：
204
1. SVM基本知识 SVM(Support Vector Machine)是一个类分类器，能够将不同类的样本在样本空间中进行分隔，分隔使用的面叫做分隔超平面。 比如对于二维样本，分布在二维平面上，此时超平面实际上是一条直线，直线上面是一类，下面是另一类。定义超平面为： f(x)=w0+wTx 可以 ...
分类：
编程语言 时间：
2017-07-06 00:33:34
阅读次数：
236
