支持向量机中组合核函数构建及在模糊系统辨识中的深度应用研究

一、引言

1.1研究背景与意义

随着科技的飞速发展，机器学习和人工智能领域取得了显著的进步，其中支持向量机（SupportVectorMachines，SVM）作为一种强大的机器学习工具，受到了广泛的关注和研究。SVM基于统计学习理论，旨在寻找一个最优超平面，以实现对不同类别数据的有效分类或回归分析。在实际应用中，许多数据呈现出复杂的非线性特征，为了处理这些非线性问题，核函数被引入到SVM中。核函数能够将低维输入空间的数据映射到高维特征空间，使得在高维空间中可以通过线性方法解决原本在低维空间中的非线性问题，这一特性极大地拓