孟金龙++丁超洋++周慧++吕爽

摘要：互联网技术的飞速发展，使我们通过电子产品接触到大量的图像信息，开阔了我们的眼界，然而对于层出不穷的各种各样的图像，带给我们的不仅是丰富多彩的世界，还有对未知事物的疑惑，因此需要计算机具有理解图像的能力并且能自动把图像正确地分类。针对以上问题，本文提出了一个基于支持向量机（SVM）算法的图片分类方法，此方法结合图片的梯度直方图（HOG）特征，经过计算机学习训练，生成可以用来分类图像的分类器。

关键词：机器学习；图像分类；支持向量机

中图分类号：TP319 文献标识码：A 文章编号：1007-9416（2017）10-0123-02

1 支持向量机

支持向量机（support vector machine）是将一堆数据分成两个不同类别样本的二类分类模型，用其将训练样本分类后，与分类面平行并且离分类面最近的样本面上的训练样本就叫做支持向量（Support Vector）。分类是数据挖掘中及其重要的一步，而支持向量机就是基于学习理论的一种机器学习方法，对于每一个单一的数据svm根据它的特征向量去判断它的标签以此来确定样本的类别，并在此过程中提高学习机泛化能力，获得良好的分类结果。

2 SVM的基本思想

（1）最优分类面。要使支持向量机有良好的分类效果就需要找到一个最优分类面，使其在两类样本之间并且两类样本中离它最近的点都尽可能的离它远。因为测试集上我们观测到的数据与真实分布式有一定误差的，如果误差过大，分割面就会将训练样本类别分割错误，而最优分类面的误差容忍力士最强的。……