后续将有专属客服与您沟通！
关注微信公众号查看留言进度 接收留言处理通知
0
ID：Ins_29253308
行业：其他
积分：0升级还需100积分
声望：0升级还需100声望
注册时间：0000-00-00
最后登录时间：0000-00-00
请确认联系方式
请输入您的联系方式
提交留言即视为您同意遵守 《服务协议》和 《隐私权政策》
我的社区
签到
支持向量机（Support vector machine, SVM）是Vapnik等[60]基于统计学习理论提出的一种模式识别方法。它具有泛化能力强、预测准确度高等优点，在解决小样本、非线性及高维模式识别问题中具有显著优势。该算法主要思想是基于统计学习理论中结果风险最小化的原则，通过核函数变换，将线性不可分的样本投影到非线性的高维空间，并在高维空间中构造最优分类超平面，实现样本的分类。所谓的最优超平面，不仅要将两类完全分开，而且还要使两类之间的距离最大，如图5-10所示。由于SVM具有向非线性高维空间投影的特性，使得该技术不仅可以用来解决线性可分问题，同时还可以有效地处理非线性模式识别问题。
赛默飞实验室产品焕新计划有奖调研！
【七月征文】不一YOUNG实验“猿”
报名开启：ICS2024第十三届光谱网络会议！
推荐收藏！盘点中药材及饮片检测解决方案
