关于支持向量机
在支持向量机(SVM)的学习中也算过了一年多些时候了,记得开始接触是在去年现在的早些时候,那时做的毕业设计的题目就是与这个相关,只不过应用的背景是图像处理一块的内容。
学习总是由浅入深的过程,看了点点的知识,然后就拍脑袋搞起了“创新”(真是有点像一位愤青的老师说的:一拍脑袋这就算是智能了。。。)。
研究生就一直做了下来,真正算起就是这么一年的时间,认识的实在是肤浅短少。
一开始用的是Matlab自带的支持向量机工具箱,而且还是用里面的QP算法进行求解,稍微大一点的数据集进行训练,立马就不行了。也怪当时对于Matlab学的不咋地,对于其工具箱的精髓也没有怎么深挖,于是最终做出来的本科毕业设计就那么半身不遂了。。。
这第一年初,又在不同的方向上面迂回了两三个月,迟迟没有进展,反正每天接触的都是一些新知识,基本上都是半监督里面的一些东西。(基本上看完了也就忘完了,只怪当时没有仔细地做个笔记)
真正开始写东西的时候,又掉头来找SVM,这毕竟还熟悉些(一直对此念念不忘的主要是因为当时毕业设计时候,还有几个疙瘩没有解开)。SVM提出来也都算是跨世纪的时间了,虽然是上个世纪末提出来的,但是至今也算小有年头了,不过一直还是当做新颖的东西被国人咀嚼。提出来SVM的大神Vapnik著作《统计学习理论》[1],其实早就买了,就是一直没有勇气读完,每天只把它们供着,算是祭奠祖师爷了。(阴暗一点,国内估计很少有人仔细了解过这本书,要不也不会出这么多不堪入目的论文出来,遗祸万年)。
在学习应用过程中,首推林智仁编写的libsvm工具箱(至今尚未发现有多少的支持向量机的工具箱能够比这个有所优越的,而且其小组在相关领域所积累的经验也的确算得上是雄厚)。
相关在此工具箱的应用上面有所成就的国内还真不少,像Matlab论坛里的faruto等生,在应用上面还是做了一系列的推广普及工作。
在其内核代码的结构上,像上海交大的刘君写的《libsvm-2[2].8程序代码导读》值得需要仔细研究的人进一步去学习。
[1] V. N. Vapnik, Statistical Learning Theory: John Wiley&Sons, 1998.
优质内容筛选与推荐>>