对SVM的研究我还是很感兴趣的，目前国内也有很多人在研究，例如我所知道的比较典型的人物有海军工程大学的陆振波博士、中国地质大学计算机学院研究生黄波等人，但是从整体上来说，人们对于SVM的认识还是有限的，虽然其理论貌似发展已经非常完善，但是它的应用研究还是相当有限。换句话说也就是SVM的应用研究前景非常广泛。
SVM是英文Support Vector Machine的缩写，从字面上直接翻译便是“支持向量机”，也有人将它翻译成“支撑向量机”或者是“支持矢量机”，这与每个人的翻译喜好是相关的，现在比较通用的翻译是“支持向量机”。
如果您对支持向量机非常了解，您也不要轻易地说我无知；如果您对支持向量机跟我一样是第一次见到，我想我们会有一个共同的问题是：为什么要称之为“机器”？是一种算法还是一种数学方法？所以感到疑惑是很正常的事情。我在网上查了一些资料，同时去图书馆借了一些相关的书籍。我看的第一本书是清华大学张学工教授的《统计学习理论的本质》。这本书对支持向量机及其相关知识介绍的比较全面，使我对“学习机器”这样一个新的概念有了比较明确的认识。
人类智慧中一个很重要的方面是从实例学习的能力，通过对已知事实的分析总结出规律，预测不能直接观测的事实。在这种学习中，重要的是能够举一反三，即利用学习得到的规律，不但可以较好地解释已知的实例，而且能够对未来的现象或无法观测的现象做出正确的预测和判断。我们把这种能力叫做推广能力。
在人们对机器智能的研究中，希望能够用机器（计算机）来模拟这种学习能力，这就是我们所说的基于数据的机器学习能力问题，或者简单地称作机器学习问题。
我们的目的是，设计某种（某些）方法，使之能够通过对已知数据的学习，找到数据内在的相互依赖关系，从而对未知数据进行预测或对其性质进行判断。机器学习是数学知识的一个应用分支，在实际的应用中，我们希望找到一种能够学习的机器，不但能够学习，而且“学习”之后能够掌握这种知识或者是能力，然后能够对未来的事情进行评判或者是预测。
总的来说，可以利用SVM进行预报，对我的研究来说，理论基础已经很充分了。下面我将具体介绍什么是SVM。
![[ Poco网摘 ]](javascript:d=document;t=d.selection?(d.selection.type!='None'?d.selection.createRange().text:''):(d.getSelection?d.getSelection():'');void(keyit=window.open('http://my.poco.cn/fav/storeIt.php?t='+escape(d.title)+'&u='+escape(d.location.href)+'&c='+escape(t)+'&img=http://www.h-strong.com/blog/logo.gif','keyit','scrollbars=no,width=475,height=575,stat
us=no,resizable=yes'));keyit.focus();){kind=link}