[讨论]有关“支持向量机”算法进行旅行时间预测的问题求教

自言自语

不知这里有没有人研究支持向量机的（support vector machines）。。在用他做旅行时间回归分析的时候，，很多文献都只利用了历史的测量数据。。我想将即时的测量更新数据插入进来，让他不断学习，，使预测结果更准确。。可是不知如何实现。。
求教大家！！谢谢。。

itslu

没做过SVM，不过是个好方法啊。

xjtuits

SVM被认为是统计学习理论中的精华，传统的是用于样本分类，如人脸自动识别和网络入侵检测等；它最大的优点之一是通过小样本集进行学习，不像一般的神经网络需要较大的样本数，而且有有效的求解算法。回归分析是SVM的一个重要应用领域，针对特定的应用场合选择或构造不同的核函数是关键，目前大概也没有统一的方法。将实时数据加入进来进行学习理论上可行，但实时数据可能是“野值”，还需要通过历史数据判断当前采集的数据是否在置信范围内。具体效果怎样可能只有实际试一下才知道了

自言自语

谢谢xjtuits的解说。。SVM理论在1995年才由贝尔实验室的V.Vapnik首次提出，属于比较新兴的技术。。目前有关的论文大多仅仅罗列它在各个领域的应用，有关改进和发展的论文是少之又少。。
国内这方面的研究就更少了。。仅有的一本该理论的中文版书籍还翻译得漏洞百出，晦涩难懂。。
在这里介绍一下，，希望更多的人能了解它和研究它。。