SVM的核选择方法及其应用研究

SVM(Support Vector Machine)是当今机器学习领域的一个研究热点，已经在许多应用领域取得满意效果。然而在基于SVM的应用中，最基本而困难的问题之一是核选择问题。本项目将对SVM核选择方法及其在空气质量预测中的建模等问题开展研究。主要内容包括：（1）基于统计学习理论框架的非统计学核选择原理与方法；（2）基于视觉模拟尺度空间框架的核选择原理与方法；（3）基于增量学习技术与核选择相结合的SVM在线学习算法；（4）基于粗糙集理论的特征选择和提取方法，由此获得相关领域经验知识以指导预测模型的核函数及相关参数的选择；（5）开发一个基于SVM的实用空气质量综合预测系统。本项目的研究内容都是核选择理论与应用的全新尝试，研究成果不仅对SVM的核选择理论研究具有重要意义，而且给出的多种高效实用算法可大大提高SVM在工程领域的应用性，同时对其他学习机的模型选择问题也有积极的借鉴意义。