中国矿业大学模式识别课程报告

《中国矿业大学模式识别课程报告》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国矿业大学级本科生课程报告课程名称模式识别报告时间2014-6-14学生姓名　　学号　　　　专业　　　　　　　　　任课教师　　　任课教师评语任课教师评语（①对课程基础理论的掌握；②对课程知识应用能力的评价；③对课程报告相关实验、作品、软件等成果的评价；④课程学习态度和上课纪律；⑤课程成果和报告工作量；⑥总体评价和成绩；⑦存在问题等）：①对课程基础理论的掌握；②对课程知识应用能力的评价；③对课程报告相关实验、作品、软件等成果的评价；④课程学习态度和上课纪律；⑤课程成果和报告工作量；⑥总体评价和成绩；⑦存在问题等成绩：任课教师签字：年月日摘要支持

2、向量机是一种有监督学习方法，可被广泛应用于统计分类以及线性回归。Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去，这种分类器被称为支持向量机。本次课题的选择来源于一次模式识别的实验，在该课题中对实验进行了扩展，从线性可分的数据样本集扩展到了线性不分的数据样本集。在本次报告中，将着重介绍使用支持向量机对线性不可分样本的分类方法。开发环境使用的是matlab。为了更直观、更清晰地支持向量机的原理和强大功能，报告中将介绍一个验证性实验，从

3、实例中表现实验结果。通过实验，最后得出结论：支持向量机在解决线性不可分样本集的分类问题上具有超强的本领。AbstractSupportvectormachineisakindofsupervisedlearningmethod,whichcanbewidelyusedinstatisticalclassificationandlinearregression.Vapniketalstudytheoryisanotherdesigncriterionofoptimallinearclassifierisproposedinyearsofresea

4、rchandstatistics.Theprinciplefromthelinearseparableabout,andthenextendedtolinearinseparablecase.Evenextendedtotheuseofnonlinearfunction,thisclassifiercalledsupportvectormachine.Selectasourceofthissubjectinanexperimentalpatternrecognition,inthistopichasbeenextendedtoexperimen

5、t,fromlinearlyseparabledatasetisextendedtothelinearregardlessofthedataset.Inthisreport,willfocusonsupportvectormachineclassificationmethodusingthelinearinseparablesamples.Developmentenvironmentusingmatlab.Inordertomoreintuitive,moreclearlytheprincipleofsupportvectormachinean

6、dpowerfulfunctions,thereportwillintroduceaverificationexperiment,performanceresultsfromtheinstance.Throughtheexperiment,finallydrawstheconclusion:supportvectormachinehasstrongabilityinclassificationproblemsolvinglinearinseparablesampleset.关键词：SVM；MATLAB；线性不可分；高维。目录1.引言12.原理分

7、析13.理论说明34.实现步骤流程45.实验设计和结果分析46.结论61.第9页《模式识别》课程报告1.引言分类问题大体有三种类型，以我们第一次模式识别实验中的两种分类为例来说，很容易用一条直线把训练样本集正确地分开，即两类点分别在直线的两侧，没有错分点，这类问题称为线性可分问题；用一条直线也能大全上把训练样本集正确分开，仅有较少的错分点，这类问题称为近似线性可分问题；当用一条直线，无论怎么放都会产生很大误差时，这类问题称为线性不可分问题。在感知准则函数实验中，虽然实验数据是想让我们实现近似线性划分，而我们所完成的也仅仅是最简单的线性划分。对于

8、线性不可分样本集的分类问题，感知准则函数就有些吃力了，而支持向量机在处理这方面问题时有着得天独厚的优势。此外，支持向量机在解决小样本、高维模式识别问题