NobodyHere

支持向量机是20世纪90年代中期发展起来的基于统计学习理论的一种机器学习方法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，也能获得良好统计规律的目的。它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，即支持向量机的学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。

背景深度学习的概念由Hinton等人于2006年提出，对传统的人工神经网络算法进行了改进，通过模仿人的大脑处理信号时的多层抽象机制来完成对数据的识别。深度学习中的“deep”，指的是神经网络多层结构。在传统的模式识别应用中，基本处理流程是先对数据进行预处理，之后在预处理后的数据上进行特征提取（Feature Extraction），然后利用这些特征，采用各种算法如SVM，CRF等训练出模型，并将测试