Hynson的学习笔记

近期参加了学院计算机系的软件评价团队从事助研工作，由于每周要写工作汇报，就顺便把每周的学习内容给放在这。一、什么是APP？app为应用程序的统称，通常是移动设备（手机、平板）操作系统中的应用程序。对该问题费解，老师对自己还不了解。二、什么是软件评价？1，软件质量软件质量是软件的生命，它将直接影响着软件的使用和维护。通常软件质量有下面几个方面来评价软件的优劣：软件需求

支持向量机SVM（Support Vector Machine），是机器学习领域的一个有监督的学习模型。

一、用matlab体验一下如何求解条件极值实现svm对线性数据进行分类。SVM算法实现工具有很多，包括svm light，libsvm，有matlab本身自带的svm工具包等。可以使用matlab自带的fmincon函数，求-Q(a)的最小值来得到分界线。输入数据为100个样本点【其实就是100个坐标点】，由于是二分类问题，网络结构就一个神经元。代码中flambda表达

一、四种支持向量机工具箱的使用概念[1]模式识别基本概念模式识别的方法有很多，常用有：贝叶斯决策、神经网络、支持向量机等等。特别说明的是，本文所谈及的模式识别是指“有老师分类”，即事先知道训练样本所属的类别，然后设计分类器，再用该分类器对测试样本进行识别，比较测试样本的实际所属类别与分类器输出的类别，进而统计正确识别率。正确识别率是反映分类器性能的主要指标。分类器的设计虽然

一、支持向量分类机1，算法在使用非线性分化的分类算法中可以使用选取核函数K替代选取变换Ф，并且用核函数K(.,.)替代内积可得到标准的C-支持向量分类机。算法（C-支持向量分类机）二、本周工作总结本周查阅了一本《支持向量机-理论、算法与拓展》的图书，尝试把算法中涉及的数学模型理解透彻，看了一章的书感觉数学问题好抽象。从网上也搜集到相关的svm相关的算法实现，主要

一、用ibsvm实现简单线性分类package test;import libsvm.svm;import libsvm.svm_model;import libsvm.svm_node;import libsvm.svm_parameter;import libsvm.svm_problem;public class test1{public static void main

一、非线性可分数据最优超平面的构建二、近期总结近两周参加学校电子设计大赛的选拔赛和加强英语四级，主要仔细阅读了svm算法比较详细的ppt，工作没有取得进展。http://wenku.baidu.com/link?url=6kGDCyqkr9qxMOmJ8xXmJLn8iGmnsooSJoaY4oZRkMpcX6ZfrsuRzFWjmFQZjzMCTr