AG Kommunikationstheorie

Thema:

Support Vector Machines

Abstract:

Support Vector Machines (SVMs) lassen sich in das Themengebiet der Mustererkennung einordnen. Der Prozess der Mustererkennung kann in mehrere Teilschritte zerlegt werden. Der wichtigste Schritt ist die Klassifikation durch ein Klassifikationsverfahren, welches einem Merkmalsvektor eine bestimmte Klasse zuordnet. Ein solches Klassifikationsverfahren sind SVMs. Typische Beispiele für Anwendungsgebiete von SVMs sind Spracherkennung, Texterkennung und Bilderkennung.

In diesem Vortrag wird schrittweise das Grundprinzip der SVMs erläutert. Zunächst werden lineare Support Vector Machines vorgestellt. Beim Training wird hier zwischen linear separierbaren Daten und nicht-linear separierbaren Daten unterschieden. Angeknüpft an die linearen SVMs werden nicht-lineare SVMs vorgestellt und der sogenannte Kerneltrick erläutert. Abschließend wird beispielhaft eine SVM für das XOR-Problem vorgestellt.



zurück zur Terminübersicht