支持向量机（Support Vector Machine, SVM）是一类按
监督学习（supervised learning）方式对数据进行
二元分类（binary classification）的广义线性分类器（generalized linear classifier），其
决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane）
[1-3] 。
SVM使用铰链损失函数（hinge loss）计算经验风险（empirical risk）并在求解系统中加入了正则化项以优化结构风险（structural risk），是一个具有稀疏性和稳健性的分类器
[2] 。SVM可以通过核方法（kernel method）进行非线性分类，是常见的核学习（kernel learning）方法之一 [4] 。