论文部分内容阅读
支持向量机（Support Vector Machine,SVM）是上世纪九十年代提出的一种基于小样本的新的统计学习方法,较好地解决了非线性、高维数、局部极小点等实际问题.文中分析了SVM基础理论并总结了目前存在的基于支持向量机的主要分类方法,包括＂一对多＂方法、＂一对一＂方法、决策有向无环图方法、基于二叉树的多类分类方法和其它方法,并对各自的优缺点及性能做了比较.