Just a Computer Graphics Studio & My Life

Posts tagged ‘svm’

[OpenCV] SVM 實驗2

SVM實驗後,接著實驗高階的SVM。首先還是要瞭解支持向量機器 (Support Vector Machine)非線性支持向量機器 (Non-linear SVMs),先前的SVM實驗也可以參考。

(繼續閱讀…)

Advertisements

[OpenCV] SVM 實驗

剛把OpenCV更新到2.4.3版,來試驗一下它的SVM好不好用。首先當然要瞭解支持向量機器 (Support Vector Machine)非線性支持向量機器 (Non-linear SVMs),先前的SVM實驗也可以參考。

支持向量機(Support Vector Machine, SVM)是一種監督式學習的方法,一般是應用於分類(Classification/supervised learning)等相關議題上。SVM 基本運作模式如下:在給定一群訓練樣本之下,每個樣本會分別對應至兩個不同的類別(Category),SVM 會嘗試從建構一個模型(Model),並利用此模型將每一個樣本分配到一個類別上。

(繼續閱讀…)

[OpenCV] SVM 實驗

稍微瞭解支持向量機器 (Support Vector Machine)非線性支持向量機器 (Non-linear SVMs)後,來使用OpenCV做個小小的實驗。

(繼續閱讀…)

交叉驗證 (Cross Validation)

研究過LibSVM]SVM 實驗最佳化參數,原本以為只要將Data Set平分為兩半,一半是Train Set,一半是Test Set即可,因為我讀了這篇論文Example-Based Image Color and Tone Style Enhancement也這麼做,要是它使用交叉驗證 (Cross Validation)的話,準確率想必可以再提昇,這個議題還能拿來再研究呢!

(繼續閱讀…)

[LibSVM] SVM 實驗最佳化參數

多媒體系統課當時已稍微玩過LibSVM實驗,然而那時候並沒有下參數,讓分類結果最佳化,於是今日捲土重來。

(繼續閱讀…)

[paper] Example-Based Image Color and Tone Style Enhancement – 4.1

接續Example-Based Image Color and Tone Style Enhancement – Overview,如何學習色彩和梯度映射關係。 (繼續閱讀…)

非線性支持向量機器 (Non-linear SVMs)

承接支持向量機器 (Support Vector Machine)的介紹之後,我們知道資料通常沒有那麼容易地被完美分類,那問題是不是就無解了呢?其實不然,如果用直線無法區分,那麼就用曲線來區分,然而曲線也會遇到障礙,而不得不讓資料混在錯的類別,如果我們提高層次來看待分類,那麼問題似乎就變得簡單了。

(繼續閱讀…)

標籤雲

%d 位部落客按了讚: