SVM의 용어로 Hyperplane이 있다. 이것은 최대 여백 초평면(Maximum Margin Hyperplane, MMH)이며 SV는 Support Vector를 말한다.
2. SVM의 원리 및 분석방법SVM의 원리는 학습자료로 주어진 n차원의 벡터공간에서 분류공간 간에 모든 점들 사이의 거리를 최대화하도록 만들어 하나의 평면을 구해내는 것
데이터와 범주 정보의 학습 진단 대상으로 학습과정에서 얻어진 확률분포를 이용하여 의사결정함수를 추정한 후 이 함수에 따라 새로운 데이터를 이원분류 한다.
분류 (classification) 와 회귀 (regression) 에 응용할 수 있는 지도학습 (supervised learning) 의 일종이라고 할 수 있다.
2. SVM의 유용성
v명백한
데이터는 보안, 자동화된 3D 아바타(Avatar) 생성등과 같은 곳에 적용될 수 있다. 현재 이와 비슷한 연구가 행해지는 곳은 MIT AI Lab, MIT Media Lab, 카네기멜론 대학, 록펠러 대학, 영국 맨체스터 대학, 일본 동경대, ATR 연구소가 있으며 기업으로는
<중략>
* 얼굴 검출 방법
1] Shape - based Systems
얼굴의
제1장 데이터마이닝의 개요
1. 데이터마이닝의 정의
1956년 미국의 어느 조그만 마을에 작은 전파상을 운영하는 밀러라는 사람이 있었다. 이 전파상은 수 대에 걸쳐서 내려오는, 그 주위의 여러 다른 마을에도 소문이 난 유명한 가게였다. 물론 주위에는 여러 개의 전파상이 있었지만 유독 밀러씨
1. 임펄스 테스트
(a) 주어진 데이터를 이용하여 x 축을 주파수, y 축을 축의 길이, z 축을 응답의 크기(magnitude)로 하여 3 차원의 그래프를 2 번, 4 번, 6 번, 그리고 8 번 노드에서 그리시오. 이 경우 복소수로 주어진 데이터는 응답의 절대값과 위상이다. 이를 실수와 허수 값으로 각각 나타내어 그래프를