主题:【分享】支持向量机(SVM, Support Vector Machine)

浏览0 回复5 电梯直达
Rambo
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
支持向量机(SVM, Support Vector Machine)是在高维特征空间使用线性函数假设空间的学习系统,它由一个来自最优化理论的学习算法计算训练,该算法实现了一个由统计学习理论导出的学习偏置。此学习策略由Vapnik和他的合作者提出,是一个准则性的并且强有力的方法。在它提出后的若干年来,在范围广大的应用中,SVM的性能胜过其他大多数的学习系统。摘自——《支持向量机导论》Nello Cristianini        著    李国正 王猛  曾华军 译|电子工业出版社
                                                                        John Shawe-Taylor
PS.支持向量机在近红外中应用的参考文献
欢迎版友跟帖也可以上传一些关于支持向量机在近红外中应用的一些参考文献,也可以对我的发布的帖子提出建议,然后我在进行重新维护。
为您推荐
您可能想找: 气相色谱仪(GC) 询底价
专属顾问快速对接
立即提交
可能感兴趣
picard
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
90个样本,用SVM应该问题不大,如果是900个样本,那建模绝对是对电脑的考验。
个人感觉,实际应用的话核偏最小二乘(KPLS)可能更好点,建模速度不会很慢,又可以实现非线性建模。
不过话说回来,大部分情况下,偏最小二乘和主成分已经可以满足实际使用要求了。非线性建模可能少数特殊情况下有点用途。
Rambo
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
支持向量机就是小样本的,如果大样本可以考虑神经网络。核偏最小二乘(KPLS)在近红外应用还真不清楚,应用最多算法ipls、bipls、sipls、gapls、mwpls。关于kpls我脑补下。谢谢啊
赞贴
0
收藏
0
拍砖
0
2015/6/11 12:04:06 Last edit by hanjun881021
athosmi
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
lz用过svm吗?能不能解释一下为什么有时候我用两维主成分使用肉眼直接就能将两类样品光谱区分开,但是用svm要使用4到5个甚至更多主成分才能将两类样品完全分离呢?
Rambo
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
原文由athosmi(athosmi)发表:lz用过svm吗?能不能解释一下为什么有时候我用两维主成分使用肉眼直接就能将两类样品光谱区分开,但是用svm要使用4到5个甚至更多主成分才能将两类样品完全分离呢?
我用过LS-SVM做的定量分析,定性这块我还真不了解。
picard
结帖率:
100%
关注:0 |粉丝:0
新手级: 新兵
原文由 athosmi(athosmi) 发表:
lz用过svm吗?能不能解释一下为什么有时候我用两维主成分使用肉眼直接就能将两类样品光谱区分开,但是用svm要使用4到5个甚至更多主成分才能将两类样品完全分离呢?
你可以换换核函数试试,另外核函数中的参数是需要进行优化的。
品牌合作伙伴