基于SVM的手势识别，SVM工具箱详解，SVM工具箱使用注意事项
目录
支持向量机SVM的详细原理
SVM的定义
SVM理论
Libsvm工具箱详解
简介
参数说明
易错及常见问题
SVM应用实例，基于支持向量机SVM的手势识别
代码
结果分析
展望
摘要
基于支持向量机SVM的手势识别，SVM原理，SVM工具箱详解，SVM常见改进方法
支持向量机SVM的详细原理
SVM的定义
支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。SVM的的学习算法就是求解凸二次规划的最优化算法。
（1）支持向量机（Support Vector Machine, SVM）是一种对数据进行二分类的广义线性分类器，其分类边界是对学习样本求解的最大间隔超平面。
（2）SVM使用铰链损失函数计算经验风险并在求解系统中加入了正则化