1、支持向量機(SVM)是數(shù)據(jù)挖掘領(lǐng)域的一種新方法、新技術(shù).它適用小樣本、非線性和高維的模式識別領(lǐng)域，主要解決分類問題與回歸問題.由于其良好的泛化能力，支持向量機在這些方面取得了較好的結(jié)果.支持向量機是基于最大間隔思想在原空間中建立最優(yōu)超平面來進行數(shù)據(jù)的分類或回歸.有時，需要通過引入核函數(shù)，把原始數(shù)據(jù)映射到高維的特征空間;然后在特征空間中建立最優(yōu)超平面來解決分類問題與回歸問題.
　　本文的主要工作如下:
　　第一章緒論中介紹了支

2、持向量機的研究背景與意義、支持向量機的研究現(xiàn)狀、本研究課題的來源及主要研究內(nèi)容;
　　第二章重點介紹了支持向量機的相關(guān)理論基礎(chǔ)，主要包括統(tǒng)計學(xué)習(xí)理論、支持向量分類機的核心思想、經(jīng)典的支持向量分類機及其變式;
　　第三章利用馬氏距離代替歐氏距離，推出了四類基于馬氏距離的核函數(shù)，并對六類經(jīng)典的支持向量分類機進行了合理的改造;
　　第四章首先通過Fisher判別的思想，推出了四類基于Fisher判別的“F”核函數(shù);然后構(gòu)造了

3、基于一類Fisher判別的各種支持向量分類機;
　　第五章將模糊數(shù)學(xué)中最大隸屬度與屬性測度準則進行有機結(jié)合，提出了改進的屬性測度準則模型;緊接著利用該模型構(gòu)造了基于一類屬性測度的六類支持向量分類機;
　　第六章收集我國部分河流水質(zhì)數(shù)據(jù)，并利用上述24種支持向量分類機進行實證分析;然后比較各類改進的支持向量機與經(jīng)典的支持向量機之間的優(yōu)劣.結(jié)果發(fā)現(xiàn)，基于馬氏距離的支持向量機、基于一類Fisher判別的支持向量機相、基于一類屬性測