支持向量机毕业论文总结与展望

问：请问下能否介绍下支持向量机的相关知识呢？能者能否推荐一些资料呢？毕业设计要做一个滚动轴承性能退

1. 答：支持向量机是95年vapink提出的，当时主要是为了做模式分类，后来又用到了回归上面，
2. 答：参考而对于年轻人而言，三年五年就可以是一生一世——《十八春》

问：毕业设计题目（软件工程，人工智能方向）

1. 答：人机博弈。要多难都可以。

问：支持向量机的论文应该投什么期刊比较好

1. 答：人工智能领域、计算机领域是推荐考虑的方向。文章《人工智能方向的论文发表和范文》
   还有一种找投稿期刊的方法，就是在知网检索一下人工智能或者是你说的支持向量机，看这些文章是发表在了哪些期刊上，非常值得借鉴。qikanzj编辑拙见，如有帮助欢迎点赞。
2. 答：作为一种新兴的机器学习方法,基于统计学习理论的支持向量机,最初是用来解决二类分类问题的。对于实际中主要遇到的多类分类问题,目前常用的两大类改进推广方法为＂分解—重组＂法和＂直接求解＂法。

问：请问国内外对 距离判别法的应用研究课题 研究现状及发展趋势 我的毕业论文题目是 距离判别法应用研究

1. 答：楼主的什么专业、关于题目还有什么要求？
   你要是准备找人帮你做的话
   最好现在就做
   不过选择一个好的设计网也是很关键的 必须可靠
   星海毕设 你可以去了解一下 口碑相当不错。

问：支持向量机为什么能解决维数灾难和局部最小

1. 答：支持向量机，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，即支持向量机的学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。
   其思路是简单情况，线性可分，把问题转化为一个凸优化问题，可以用拉格朗日乘子法简化，然后用既有的算法解决。复杂情况，线性不可分，用映射函数将样本投射到高维空间，使其变成线性可分的情形。利用核函数来减少高维度计算量。
   回到问题（个人理解）：
   1、支持向量机并不是“解决”维数灾难，准确来说是能避免“引起”维数灾难，利用核函数投射到高维，输入的维数n对核函数矩阵无影响。
   2、SVM可转化为一个凸优化问题的求解，则局部最优解就是全局最优解。