1. 研究目的与意义
背景：
2. 研究内容和预期目标
研究内容：
（1）研究支持向量机(svm)的基本原理以及其在解决分类问题时的应用，特别是基于核化技术的svm的修改及其在解决线性可分、线性不可分及是否存在奇异点等情况下的数据分类问题的作用。 （2）建立基于svm的点集分类流程的算法并编程实现。 （3）给出几个能够反映算法优越性的数值算例。
3. 研究的方法与步骤
研究方法：由浅入深，分散学习知识点，再总和。
步骤：1 先将跟支持向量机有关的知识拆开逐个学习（例如：线性学习器，泛化性理论，最优化理论等）2 在学习了上述知识点并了解其中的原理以后，在这基础上开始了解和学习支持向量机理论3 在这之后需要将支持向量机理论与步骤一中知识点结合（例如：支持向量机理论可在核特征空间中有效的训练线性学习器，同时还考虑到泛化性理论且使用了最优化理论）4 在步骤三进行初步的知识整合后，还需考虑支持向量机理论本身的特定的性质（例如：支持向量机算法的另一个重要特征归功于核的mercer条件）使所学习的支持向量机理论更严谨5 在充分学习后，开始将其运用于解决一些简单的问题，熟练使用分类器。
6 在可以熟练解决简单的分类问题后，开始学会分析如何将复杂的问题转换成两类元素的分类。
4. 参考文献
[2] 周志华 ， 机器学习，北京：清华大学出版社，2016年1月 [3] 统计学习基础-数据挖掘、推理与预测，robert tibshirani, jerome friedman著，范明，柴玉梅，咎红英等译，北京：电子工业出版社，2004
[4] 支持向量机——理论、算法与拓展。（邓乃扬，田英杰著）。
[5] 数据挖掘中的新方法——支持向量机。
5. 计划与进度安排
1. 2022年3月5日-3月18日 ：学生完成开题报告；
2. 2022年3月19日-3月25日：开始着手收集相关资料、书籍以及典型例题；
3. 2022年3月26日-4月18日：开始根据自己的需求学习相关的知识定理，并且尝试解决一些简单的分类问题；
