支持向量机SVM(Support Vector Machine）作为一种可训练的机器学习方法，依靠小样本学习后的模型参数进行导航星提取，可以得到分布均匀且恒星数量大为减少的导航星表。 基本情况　Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去，这种分类器被称为支持向量机（Support Vector Machine，简称SVM）。支持向量机的提出有很深的理论背景。 支持向量机

支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，很不错的程序-Support vector machine (SVM) method is based on statistical learning theory of VC dimension theory and structure risk minimum principle, on the basis of good programs

支持向量回归的研究,作为一个新的理论和方法，支持向量机回归在训练算法和实际应用等方面有诸多值得深入探讨的课题。-Machine learning is based on the data of modern intelligence technology is an important aspect. Statistical Learning Theory (SLT) is a specialized study of the law of machine learning theory of