Kernel Methoden

In Computer Science, Kernel methoden zijn een klasse van algoritmen voor de analyse van patronen, patronen, het element van die het meest bekend zijn de Support Vector Machine. Het algemene doel van de analyse van de patronen is het vinden en bestuderen van de algemene soorten relaties in het algemeen data types.

De werkwijzen kernels benaderen het probleem in kaart brengen van de gegevens in een multidimensionale ruimte-karakteristiek, waarbij elke coördinaat overeenkomt met een kenmerk van de artikelgegevens transformeren data in een verzameling punten van de Euclidische ruimte.

Aangezien het in kaart brengen kan zijn algemene relaties gevonden op deze manier zijn ze dus zeer algemeen. De werkwijzen Kernel worden zo genoemd de kernel functies, die worden gebruikt om in de ruimte karakteristiek zonder berekenen van de coördinaten van de gegevens in de ruimte, maar veeleer door het berekenen van het inwendige product tussen de afbeeldingen van alle kopieën van gegevens in de ruimte functie. Deze operatie is vaak computationeel voordelig dat de expliciete berekening van de coördinaten. Deze aanpak wordt genoemd: de list van de kernel. De kernel functies zijn ingevoerd om een ​​reeks van gegevens, grafieken, tekst, afbeeldingen en vectoren.

Algoritmen in staat te werken met de kernel bevatten Support Vector Machine, Gauss processen, visser lineaire discriminantanalyse, de Principal component analyse, canonieke correlatie analyse, regressie van de nok, de spectrale clustering, de lineaire adaptieve filters en veel meer.

(0)
(0)
Commentaren - 0
Geen reacties

Voeg een Commentaar

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Tekens over: 3000
captcha