SVM识别时间问题

道玄真人11 2019-01-08 07:12:29

麻烦问一下，用SIFT+BOW结构训练SVM，大约60多个特征向量数，训练好的SVM用于识别系统，大概能用多少时间识别出结果，图片一般是1000*1000的，谢谢各位大神

...全文

343 1 打赏收藏举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

zgl7903 2019-01-11

打赏
举报

回复

最好是使用大量实际图片统计验证一下，软硬件配置，参数设置，图像特征等都会影响结果

算法介绍支持向量机(SupportVector Machine, SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linear classifier)，其决策边界是对学习样本求解的最大边距超平面(maximum-margin hyperplane)。支持向量机(supportvector machines,...

支持向量机（Support Vector Machine，SVM）是一个非常优雅的算法，具有非常完善的数学理论，常用于数据分类，也可以用于数据的回归预测中。通过对文本数据进行预处理，提取特征，然后使用支持向量机进行训练和预测，可以实现对文本数据的自动分类。通过对图像数据进行预处理，提取特征，然后使用支持向量机进行训练和预测，可以实现对图像数据的自动识别。硬间隔指的是让所有的样本都不在最大间隔之间，并位于正确的一边，如果出现异常值、或者样本不能线性可分，硬间隔无法实现。软间隔可以应用在一些线性不可分的场景。

本博文探讨了老年人健康监测中跌倒识别与健康问题分类的技术方法。通过使用动态时间规整（DTW）和k-最近邻（KNN）算法，对老年人的运动数据进行分析，实现了对跌倒类型和常见健康问题的高精度分类。同时，博文还提出了一种改进的多类分类支持向量机（SVM）方法，该方法考虑了类结构和节点特定参数，提高了分类准确率。研究结果表明，这些技术在老年人健康监测中具有较高的置信度和应用潜力，能够有效支持老年人的自主生活和健康保障。

最小二乘支持向量机（Least Squares Support Vector Machines, LS-SVM）作为一种在标准支持向量机（SVM）基础上发展起来的机器学习算法，凭借其在解决非线性、高维模式识别和函数估计问题上的优势，近年来得到了广泛的关注和应用。相较于标准SVM，LS-SVM将二次规划问题转化为线性方程组求解，显著降低了计算复杂度，提高了训练效率。本文将深入探讨LS-SVM在分类、函数估计、时间序列预测和无监督学习四个方面的理论基础、应用方法以及优势与局限性，并展望其未来的发展方向。

1. SVM的优势（1）可以解决小样本情况下的机器学习问题#此前在首页部分显示# （2）可以提高泛化性能（3）可以解决高维问题（4）可以解决非线性问题（5）可以避免神经网络结构选择和局部极小点问题 2. SVM的研究热点（1）模式识别（2）回归估计（3）概率密度估计 3. SVM的主要核函数（1）多项式核函数（2

图形处理/算法

19,463

社区成员

50,678

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章