1.2.5  基于支持向量机的方法
支持向量机(Support Vector Machine，SVM)[11]的方法，脱胎于统计学习理论，主要研究如何构造学习机以及实现模式分类问题。其基本思想是将输入空间通过非线性变换转换到一个高文空间，在高文空间中求取最优线性分类面，以解决线性不可分的分类问题。而这种非线性变换是通过定义适当的内积函数(即核函数)来实现的。由于该方法是基于结构风险最小化原理，而非传统的统计学的经验风险最小化，因而性能表现优于已有方法。但该方法需要大量的存储空间，并且训练速度慢。 线性回归分类器的算法实现与验证(3):http://www.751com.cn/jisuanji/lunwen_16350.html