第五章 支持向量机内容提要 n 1 引言 n 2 统计学习理论 n 3 线性支持向量机 n 4 非线性支持向量机 n 5 支持向量回归 n 6 支持向量聚类1 引言 一. SVM (Support Vector Machine)的历史 n 神经网络分类器，Bayes分类器等是基于大样本学习 的分类器。 n Vapnik 等从1960年开始关于统计学习理论的研究。统 计学习理论是关于小样本的机器学习理论。 n 1992年支持向量机首次被引入。1995年Vapnik发展了 支持向量机理论。支持向量机是基于统计学习理论的 一种实用的机器学习方法。二. SVM 的发展 SVM理论的发展: 最小二乘支持向量机(LS SVM) 多分类支持向量机(M-SVM) 支持向量回归(SVR) 支持向量聚类(SVC) SVM与计算智能的融合: 神经网络+支持向量机 模糊逻辑+支持向量机 遗传算法+支持向量机 小波分析+支持向量机 主分量分析+支持向量机 粗糙集理论+支持向量机三. SVM的应用 数据与文本分类 系统建模及预测 模式识别(图像及语音识别，生物特征 识别) 异常检测(入侵检测，故障诊断) 时间序列
