研究支援向量機在大類別數分類中的應用。
實驗結果表明，支援向量機用於航空運量的預測是可行有效的。
*乃揚，田英傑。數據挖掘中的新方法-支援向量機。*：科學出版社，2004。
將次序最小優化改進算法和有向無環圖算法構建的支援向量機用於貨*識別，充分發抨了支援向量機解決小樣本、非線*和高維模式識別問題的優點。
針對邊緣匹配矢量量化圖像編碼方法存在的出軌現象，提出一種引入支援向量機的方法。
提出一種基於支援向量機迴歸的學習機，並將其應用於單片機智能傳感器系統中。
爲使最小二乘支援向量機的解具有稀疏*，本文提出了一種稀疏解算法-矢量基學習。
採用小波多分辯率分析方法提取基因表達的特徵，利用支援向量機和BP神經網絡方法進行分類。
本文在深入分析比較各種航段運量方法的基礎上，研究了利用支援向量機進行航段運量預測建模的方法。
提出了一種基於支援向量機的分類分級的數據融合方法，並將此方法應用於機器人手爪抓取狀態的判別。
在膚*區域中利用眼睛的亮度圖和*度圖定位人臉樣本，最後利用訓練好的支援向量機預測人臉樣本是否爲人臉
*結果表明，線*規劃支援向量機模型的辨識精度高於二次規劃支援向量機模型。
提出了一種基於支援向量機的激光焊接質量監測方法。
本文首次採用支援向量機方法對醫學圖像進行了分類研究。
根據特徵進行文字向量化，再以支援向量機分類器區分文字類型，實現非法文字的過濾。
介紹了支援向量迴歸估計的學習算法，應用SVM方法建立了基於支援向量機的捲菸焦油量預測模型。
梯形模糊數樣本是一類非隨機樣本，本文將討論基於梯形模糊數樣本的支援向量機。
優化問題的二階充分條件是研究靈敏度分析的基礎，支援向量機是數據挖掘的新方法。
最小二乘支援向量機迴歸預測對訓練樣本數據區間內的預測精度很高，但是對前向外推預測效果不是很好；
結果表明，支援向量機方法不但可以較準確的預測大盤的走勢，而且對於個股股價的預測也具有很好的效果。
將DICA方法分別應用於廣義支援向量機或最小二乘支援向量機迴歸估計，構成多層支援向量迴歸估計器。
將最小二乘支援向量機(LS -SVM)應用於飛機襟翼狀態趨勢研究。
首先利用*度矩提取植物病害葉片的特徵向量，然後利用支援向量機分類方法進行病害的識別。
將基於最小二乘支援向量機的軟測量模型應用於輕柴油凝固點的預估。
更新模型是求解一個與標準支援向量機具有類似的數學形式的凸二次規劃問題。
爲了提高殲擊機故障診斷的準確*與實時*，提出一種基於決策樹型組合策略的多重核學習支援向量機診斷方法。
第4章，支援向量機的部分進展。
支援向量機是一種基於統計學習理論的新型學習機。
另外，支援向量機的求解最後轉化成二次規劃問題的求解，因此支援向量機的解是唯一的也是全局最優解。
爲此，以大慶齊家凹陷某口井的測井資料爲例，探討了支援向量機方法在油氣識別中的應用。
對不同頻帶的平穩分量建立相應的最小二乘支援向量機預測模型，將各模型的預測值等權求和得到最終預測值。
鑑於支援向量機與油藏曆史擬合的關係，因而採用支援向量機來預測油藏曆史擬合的各參數
研究基於支援向量機和粗糙集的相關反饋圖像檢索算法。
提出了一種基於最小二乘支援向量機(LS - SVM)的鐵路客運量預測的新方法。
該文在分析現有控制圖識別技術在實際應用中存在缺陷的基礎上，提出了一種基於主元分析（PCA）和支援向量機（SVM）的控制圖失控模式識別方法。
提出了一種基於支援向量機的農村用電量需求預測方法。
爲實現機組經濟*能在線診斷，將支援向量機（SVM）方法引入電站汽輪機排汽焓在線預測領域。
將攝像頭採集到的圖像的像素座標作爲輸入，將世界座標作爲輸出，用最小二乘支援向量機使網絡實現給定的輸入輸出映*關係
基於模糊最小二乘支援向量機和在線學習算法，提出了一種模糊最小二乘支援向量機的增量式算法。
結合GPS測量和水準測量資料，利用支援向量機方法對GPS高程進行了轉換，並與神經網絡和多項式擬合等擬合的結果進行了比較，得出了一些有益的結論。
很弱的假設對於作爲其特例的線*可分支援向量機問題一定成立，線*可分支援向量機問題解一定具有強二階充分條件的*質；
將DICA 方法分別應用於廣義支援向量機或最小二乘支援向量機迴歸估計，構成多層支援向量迴歸估計器。
本文包括對智能代理、自然語言處理、文字表示、網絡搜尋、文字分類和支援向量機等網絡挖掘相關領域的理論、算法和應用的探討，以及Web News Hunter智能代理的系統框架的設計與實現。
用支援向量機和貝葉斯兩種方法對蛋白質四級結構進行分類研究。
變換可以將高維相關變量壓縮爲低維*的主特徵向量，而支援向量機可以完成模式識別和非線*迴歸。
學習過程分爲離線學習支援向量機和在線整定模糊比例因子兩部分。
