支持向量机( SVM )
支持向量机( Support Vector Machine , SVM )是由
Boser,Guyon 和 Vapnik 发明,并首次在计算学习理论
( COLT ) 1992 年年会论文中提出。它是继人工神经网络后,
智能计算领域发展的又一里程碑。支持向量机以严格证明的统计
学习理论为基础,使用核函数把数据从样本空间映射到高维特征
空间,将非线性问题转化为线性可分问题,获得最优解,是一重
大的理论创新。支持向量机有严密的数学基础,训练结果只与支
持向量有关,且泛化性强,成为了解决非线性问题的重要工具,
因此,受到智能计算领域学者的广泛关注,在模式分类和回归领
域得到了广泛的应用。
第 2 页 / 共 30 页