嵌入式移动开发

线性支持向量机的目标函数如下：公式推导之后权重向量w和决策函数为下面公式所示：直观理解或者戏说解释一下，w和decision function为什么长这个鸟样子？ 这个鸟样子是否能够靠直接解释信以为真呢？权重向量w解释：alpha_i 是每个向量的系数，如果系数为零，则不是支持向量。这个容易理解。fai_xi 是xi的映射

目标函数如下：这个和线性可分支持向量机形式类似推导过程相同，区别在于利用拉格朗日求最优化值的时候，多了参数C和ksi，推导出来的约束条件alpha_i 从>=0  变成了0对alpha_i 求导（梯度gradient可以由如下导数和约束推导得到）：含有不等式约束的KKT条件是SVM收敛的充分必要条件：如下式子也是训练停止的条件。解释如下：当a

void divide_one_class_by_labels(ArrayList TrainingSample, double[][][] classData, double[] classLabel) {        int labelNum;    double [][][] classData = new double[labelNum][][];//K m num