ماشین‌های بردار پشتیبان (SVM) در بهینه‌سازی برای یافتن بهترین سطح ممکن جداکننده بین دو کلاس در یک مجموعه داده استفاده می‌شوند. هدف SVM به حداکثر رساندن حاشیه بین دو کلاس با یافتن ابر صفحه ای است که بیشترین فاصله را تا نزدیکترین نقاط در هر کلاس دارد. این مسئله بهینه سازی را می توان با استفاده از رویکردهای مختلف مانند برنامه نویسی درجه دوم، بهینه سازی محدب و بهینه سازی محدود حل کرد. SVM ها همچنین در سایر مسائل بهینه سازی مانند رگرسیون و تشخیص ناهنجاری استفاده می شوند. با استفاده از SVM ها می توانیم مسائل پیچیده بهینه سازی را به طور موثر حل کنیم و بهترین راه حل ممکن را پیدا کنیم.
تاریخ انتشار: