摘要：基于Fisher的投影降维的思想,讨论了线性分类器设计问题,提出最优分类超平面,克服了Fisher等线性分类器的偏向性与误分类现象.利用优化技巧把确定最优分类超平面问题转化为求解半正定的二次规划.随机数据模拟实验表明文中算法对设计高性能线性分类器是有效的.

摘要：为了提高太阳耀斑预报模型的预报精度,提出了一种结合支持向量机和近邻法(SVM-KNN方法)的太阳耀斑预报方法。将太阳耀斑预报问题看作一个模式识别问题,在此基础上建立新的预报方法。选择太阳活动区的特征参量作为预报因子,如果活动区未来48小时发生大于等于M级耀斑标识为正例样本,未发生耀斑为反例样本,由这些样本组成训练集代入SVM训练算法构造了耀斑预报模型。通过输入活动区的特征参量值,预报模型使用SVM-KNN分类算法预报该活动区未来2天内是否发生太阳耀斑。模拟预报结果表明,新方法比使用SVM方法具有较高的报准率,可以应用到其它太阳活动预报领域。

摘要：重点讨论了支持向量机在模式分类中的应用．针对结构风险最小化准则、最优分类超平面的确定、核函数与参数优化、多值支持向量机分类器的设计等核心问题作了较为深入的阐述．指出了支持向量机中需要深入研究的方面．