向量机机器学习应用
2018-08-22丁宁贺永会
科学与财富 2018年21期
丁宁 贺永会

摘 要:文章首先对机器学习进行简要介绍,然后以支持向量机为重点,分析支持向量机学习的原理及相关算法,并以支持向量机对不同风格的歌曲进行分类为例,探讨支持向量机机器学习的实际应用,旨在为相关人员提供参考与借鉴。
关键词:向量机;机器学习;应用
支持向量机(SVM)是一种基于统计学习理论的新型机器学习方法,其能够对小样本决策具有较好的学习推广性。学习是一切智能系统最根本的特征,机器学习是人工智能最具智能特征、最前沿的研究领域之一,研究支持向量机及其应用具有深刻的现实意义。
1机器学习
在人们对机器智能的研究中,希望能够用机器(计算机)来模拟人的推广能力这种学习能力,这就是人们所说的基于数据的机器学习问题,或者简单地称作机器学习(MachineLearning)问题。一个学习系统一般应该由环境、学习、知识库、执行价四个基本部分组成,如图1所示。
环境向系统的学习部分提供某些信息;学习部分利用这些信息修改知识库,以增强系统执行部分完成任务的效能;执行部分根据知识库完成任务,同时把获得的信息反馈给学习部分。在具体应用中,环境、知识库和执行部分决定了具体的工作内容,学习部分所需要解决的问题完全由上述三部分确定。
2支持向量机的机器学习
2.1支持向量机概述
支持向量机(SupportVectorMachine,SVM)是CorinnaCortes和Vapnik等于1995年首先提出的,它在解决小样本、非线性及高维模式识别中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。……
登录APP查看全文
