论文部分内容阅读
支持向量机是一种专门针对小样本的模式识别方法,它建立在统计学习理论的VC维和结构风险最小化原理的基础上,较好地解决了非线性、高维数、局部极小点等问题,具有良好的推广性。经典的支持向量机是一种两类分类器,随着应用范围的扩展,支持向量机被广泛地用于解决多类分类问题。如何针对具体的问题建立较好的支持向量机多分类模型,是近几年支持向量机研究的热点之一。本文在统计学习理论相关原理及支持向量机理论基础上,对支持向量机多类分类算法及核函数的参数选择问题进行了分析与研究。论文概述了统计学习理论、支持向量