人工智能基础：基于GEP的最小二乘支持向量机模型参数选择

【自然语言处理与理解】一种基于主动学习支持向量机哈萨克文文本分类方法

机器感知与模式识别：支持向量机与BP网络在火灾图像探测上的比较

机器学习：支持向量数据描述的基因表达数据聚类方法

【学术论文】支持向量机的训练算法综述

机器学习：基于支持向量机的生物医学文献蛋白质关系抽取

机器学习：基于支持向量数据描述的无标签数据多类分类

机器学习：一种改进的多类支持向量机超光谱图像分类方法

《网络工程师》教学资源（讲义）CEAC 分布办公网络构建——支持网络的远程访问：远程访问策略

1 感知机存在的一个问题 2 线性可分 SVM SVM 的种类 函数间隔和几何间隔 学习的原始最优化问 题 凸优化问题 线性可分 SVM 学习算 法—最大间隔法 支持向量与间隔边界 拉格朗日对偶性 KKT 条件 线性可分 SVM 学习的 对偶算法 3 线性不可分 SVM 线性 SVM 学习的对偶 算法 线性 SVM 学习算法 线性不可分时的 SV 合页损失函数 4 非线性 SVM 与核函数 希尔伯特空间 核函数的定义 核函数的选取 核技巧在 SVM 中的应 用 非线性 SVM 算法 5 序列最小最优化算法 SMO 算法的基本思路 两变量二次规划的求 解方法 两个变量的选择方法