1、作為數(shù)據(jù)挖掘中的一項新技術(shù)，支持向量機是在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一種性能優(yōu)良的新型機器學(xué)習(xí)方法。它被認為是機器學(xué)習(xí)領(lǐng)域非常流行的方法和成功的例子。當(dāng)支持向量機應(yīng)用于實際問題時，首先面臨的是模型參數(shù)的選擇，包括支持向量機中的參數(shù)選擇和核函數(shù)參數(shù)選擇。參數(shù)的選擇直接決定著支持向量機的訓(xùn)練效率和應(yīng)用效果，因此如何選擇參數(shù)是應(yīng)用支持向量機的主要問題。
　　本文以優(yōu)化理論為基礎(chǔ)，以數(shù)學(xué)規(guī)劃為手段，對支持向量機在實際應(yīng)用中的參數(shù)優(yōu)化問題

2、進行研究。主要分成以下三個部分：第一部分在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)下分析了支持向量機和模糊一類支持向量機的基本模型和算法，并結(jié)合結(jié)構(gòu)風(fēng)險最小化理論，分析了模型中核參數(shù)和懲罰參數(shù)對分類機性能產(chǎn)生的影響。第二部分針對支持向量機中的參數(shù)優(yōu)化問題，本文從不同角度出發(fā)對懲罰參數(shù)和核參數(shù)采用不同的優(yōu)化更新規(guī)則。首先定義分離指標(biāo)用以描述給定數(shù)據(jù)集的樣本間的分離關(guān)系，從而建立以核參數(shù)為變量的無約束優(yōu)化問題；然后將核函數(shù)參數(shù)的最優(yōu)值代入到支持向量機中，從分類機的