MATLAB实现支持向量机算法（MNIST数据集）

最新推荐文章于 2024-04-23 16:20:36 发布

小叮当冲浪日记

最新推荐文章于 2024-04-23 16:20:36 发布

阅读量3.2k

点赞数

分类专栏：模式识别文章标签：模式识别机器学习

本文链接：https://blog.youkuaiyun.com/kylinhyl510/article/details/106138215

版权

基于MOOC人工智能之模式识别的课程完成的第三次作业
MATLAB实现支持向量机算法（MNIST数据集）
MOOC地址：人工智能之模式识别
SVM 是通过学习样本寻找分类间隔边界，把这一过程转化为了
一个优化问题。众所周知，分类间隔是由距离分类决策边界最近的那些少量样本决定的，而比这些样本距离分类决策边界更远的大量样本，其实都不会影响到最优权向量的求取，这些作用十分特殊的样本，就被称为“支持向量”，表示是他们支撑起了线性分类器在最大分类间隔意义下的最优解。这也是为什么这种算法被称为“支持向量机（Support Vector Machine，SVM）”的原因。

SVM.m 程序代码主要实现了数据集读入，定义 SVM 分类器模板、训练，测试及结果输出几个部分。

clear variables
clc
load ('./test_images.mat');
load ('./test_labels.mat');
load ('./train_images.mat');
load ('./train_labels.mat');%数据集的读入
train_num =2000;
test_num = 200;
  
  
data_train = mat2vector(train_images(:,:,1:train_num),train_num);%图像转向量
data_test = mat2vector(test_images(:,:,1:test_num),test_num);%mnist数据集图像为28*28
  
% 这里我们用最简单的线性模型做演示&