关于统计学习理论与支持向量机（作者：张学工）
感觉不错，推荐给入门SVM的研友：）
另外，把自己的读后感概括一下，希望SVM高手批评指正。
1. SVM的优势
（1）可以解决小样本情况下的机器学习问题
（2）可以提高泛化性能
（3）可以解决高维问题
（4）可以解决非线性问题
（5）可以避免神经网络结构选择和局部极小点问题
2. SVM的研究热点
（1）模式识别
（2）回归估计
（3）概率密度估计
3. SVM的主要核函数
（1）多项式核函数
（2）径向基核函数
（3）Sigmoid核函数
4. SVM的应用
（1）文本分类
（2）人脸识别
（3）三维物体识别
（4）遥感图像分析
（5）函数逼近
（6）时间序列预测
（7）数据压缩
（8）优化SVM算法
（9）SVM改进方法
（10）SVM硬件实现
5. SVM的难点
（1）如何在非监督模式识别问题中应用统计学习理论（SLT）
（2）如何用理论或实验的方法计算VC维 数据挖掘研究院
（3）经验风险和实际风险之间的关系称之为推广性的界，但是当(h/n)>0.37时（h―VC维，n―样本数），推广性的界是松弛的，如何寻找一个更好地反映学习机器能力的参数和得到更紧的界
（4）实现结构风险最小化（SRM）时，如何选择函数子集结构
![]("images/attachment.gif")
Zhang Xue-gong.PDF (231.22k)
不错！这个网站实在太好了。可惜还有很多功能不能受用呀！
谢谢楼主！ OK,thanks a lot 我想做装备使用过程中的风险预测，如部件失效引起或操作不当引起的风险，SVM可以吗？ 谢谢了，我最近看了这方面的一些知识，对支持向量机挺感兴趣的。但没有这方面的资料，还往以后多多指点，谢谢了。 谢谢共享！ 谢谢共享！ 谢谢共享！ 正想找这方面的文章,谢谢 thanks very good,thanks 写得不错，要点突出！ 恩，文章讲得很好，对入门很有帮助。 数据挖掘研究院
我现在正在做支持向量机方面的课题，但是总是参透不了其中的奥妙。
用它做简单的图像分类还可以实现，一旦接触到大量的数据就傻眼了：（
在此留下我的联系方式，希望与这方面的高人多交流一下：）
qq:14047083
email:gcy00822@163.com thanks a lot. 感谢啊
好文章：）
小硕，毕业论文用SVM
渴望与大家交流。。。
QQ39212766 这篇文章真不错。非常感谢。^^
在下小白硕。毕业论文同上楼
希望可以多多交流。
Q：49032061
E：rainyctt@126.com 非常感谢分享。 不错！赞！ thank you THANK YOU VERY MUCH FOR YOUR SHARE! 谢谢楼主 很好得帖子啊 谢谢楼主共享 非常感谢，正在找这方面的资料！！ 非常感谢楼主,受益匪浅 Thanks a lot!
I"m search articles in this field for a long time 正想找这方面的文章,多谢 thanks very much. 谢谢共享！ 真在找这方面的资料
谢谢了 恩 不错 数据挖掘研究院
谢谢lz共享 Thank you very much 收下，谢谢 谢谢共享！ 这个综述一点新意都没有
还不如自己找本书来看 呵呵，归纳得不错嘛：）最近偶也在看有关支持向量机方面的文章，主要是用它来进行损伤识别，希望有这方面见地的同志多多与我交流啊！ 谢谢共享！ 多谢楼主！！！！ 谢谢共享！ thanks 支持楼主的贡献。对于初学者来说很有帮助。 感谢楼主～～！ 谢谢 好东西 it very kind of you 不错！ 谢谢 好东西 好东西 谢谢共享 不错不错，正在找这方面的资料，太好了：） thank you 谢谢楼主，可以好好学习一下，敬礼！ 来到这里就像来到了科研储备线 不错,很适于初学
