• 感知器准则

• 函数间隔、几何间隔、间隔最大化

• 支持向量机

• 支持向量机回归

• 支持向量机排序

• 核心技巧

• KSVM

• KPCA

• KLDA

• 关于核化的一般性理论

感知学习

优缺点

– 感知器准则计算简单，对可分情形在有限步迭代后一 定收敛。

– 感知器准则每次采用校度下降方法，但每一次校度下 降所对应的目标函数均不同，导致算法起伏不定！ – 能不能有更好地办法来解决这一问题？

函数间隔、几何间隔、间隔最大化

支持向量机

资料

UCAS_机器学习导论＿03＿支持向量机与核方法.pdf