选用支持向量机作为区分文本与非文本的分类器，支持向量机是在统计学习理论基础上发展起来的新一代学习算法，它在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。-Use support vector machine as the distinction between text and non-text classifier, support vector machine is in statistical learning theory developed on the basis of

支持向量机(Support Vector Machines，简称SVM)是在统计学习理论基础上发 展起来的一种新的通用学习方法，它已初步表现出很多优于已有方法的性能。-SVM (Support Vector Machines, referred to as SVM) is based on statistical learning theory developed a new universal learning method, which has been initially show a

将基于统计学习理论中的支持向量机(SVM)应用到目标跟踪领域中"该算法不仅能够自动检测和跟踪视场或图像中预先设定好的目标,而且克服了传统目标跟踪系统的缺陷.-Will be based on statistical learning theory, support vector machine (SVM) is applied to the target tracking in "The algorithm can automatically detect and track field of

20世纪90年代，贝尔实验室的Vapnik教授第一次提出支持向量机（Support VectorMachine,SVM）的理论与基本概念。SVM方法一种基于统计学习理论(Statistical Learning Theory)的机器学习方法，它以结构风险最小化原则代替经验风险最小化原则，同时结合了机器学习、统计学习以及神经网络等方法[53]。它能够有效的提高算法的泛化能力，解决了小样本、非线性和维数高等难题，并且能够克服传统神经网络等学习算法中网络结构难以确定、收敛速度慢及训练时需要大量数据样本