今天下午信计系袁玉萍和高德宝两位老师分别做关于《支持向量机的起源、发展及其应用》、《数学软件及应用课程建设》的交流汇报。
袁老师详细的介绍了支持向量机(Support Vector Machine，SVM)的起源，该名词是Corinna Cortes和Vapnik等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。接下来介绍了在机器学习中，支持向量机(SVM，还支持矢量网络)是与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析。支持向量机的统计原理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，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折中，以期获得最好的推广能力。随后介绍了支持向量机的相关技术支持，袁老师硕士就读于中国农业大学，博士毕业于黑龙江八一农垦大学，发表的关于支持向量机的核心期刊论文近10篇，主要用于实现对农业经济预警的研究、农机装备水平差异分类研究及多分类算法的分类研究。
高德宝老师硕士就读于东北农业大学，从2008年开始讲授各种教学软件，如Lingo,Matlab,Maple等，经过十几年的教学，组织教学团队教师编写了《数学软件及应用》校内教材，数学软件即处理数学问题的应用软件。它为计算机解决现代科学技术各领域中所提出的数学问题提供求解手段。数学软件及应用是数学理论与实践应用的一条重要纽带，它是一门理论联系实际较为活跃的软件学科之一。多数应用数学的理论都比较繁琐或难于理解，就是数学专业的本科生也难以将多数的应用理论理解透彻，甚至难以达到应用实践的程度。而像LINGO与SPSS这样的数学软件不需要过多的求解理论与过程就能解决问题。学习这门课程，对于培养学生的应用数学能力、提高数学素养，使学生更好地适应将来所从事的工作十分有利。该教程一直在专业教学中使用，该书详细介绍了基于Matlab的数学实验的详细教程，同时分享如何利用软件处理数据及画出符合期刊和审稿人要求的各种图形。
