支持向量机的理论和算法的研究.pdf

北京邮电大学博上论文 摘要 支持向量机的理论与算法研究 摘要 机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新 的知识或技能，重新组织已有的知识结构，从而不断改善自身性能。它 是人工智能最早关注的问题之一，是使计算机具有智能的根本途径。 一个不具有学习能力的智能系统难以称得上真正的智能系统，但以 往的智能系统普遍缺少学习能力。例如，它们的推理仅限于演绎而缺少 归纳，因此至多只能够证明已存在的事实、定理，而不能发现新的定理、 定律和规则等。随着人工智能的深入发展，这些局限性表现得愈加突出。 机器学习历经几十年发展，产生了各种各样的方法。从学习所依赖 的经验(输入)与学习所要获得的结果(输出)之间的关系来看，学习 策略可分为归纳、类比和演绎三种。 归纳：输入概念的实例，学习目标是从这些实例概括出关于这个概 念的描述，或改进概念的已有描述。 类比：输入新问题的描述，学习目标是寻找系统先前已解决的类似 问题，并用解决该问题的经验知识处理新问题。 演绎：输入的新问题能够用学