1. 毕业设计（论文）主要目标：
本论文主要是对SVM分类器进行研究，目前，SVM分类器应用十分广泛，但是许多因素可能会影响分类结果，如不完整的数据和对给定模型参数值的选择。分类问题之前是用逻辑回归或判别分析等统计问题来处理的，然后随着技术的进步导致了解决问题方法的发展，需要引入更新的技术来解决这些问题，因此提出了一种基于粒子群优化的方法，该方法能够搜索支持向量机的最优参数值，得到一组有效的特征，然后在训练和测试中都采用该最佳特征子集，以获得分类的最佳结果，并与其它方法进行了比较。
为了评价PSO SVM方法，利用多个公共数据集计算分类准确率。通过与多种方法的比较发现PSO SVM方法对支持向量机的参数确定和特征选择具有一定的参考价值。目前，PSO SVM方法已经应用到一些实际的应用中去，相信今后会更加广泛应用。
2. 毕业设计（论文）主要内容：
1、了解SVM分类器的原理：本文的主要内容是了解机器学习中的分类问题并研究分析SVM分类器原理，引入粒子群优化算法来优化SVM分类器中的参数。通过种群迭代过程和特征选择提取特征因子的方法使SVM分类器更精准的实现分类功能。
2、利用粒子群优化算法优化SVM分类器中的参数：本文使用MATLAB编程实现改进后的SVM分类器，提出了一种新的方法PSO SVM，用于支持向量机中的参数确定和特征选择。为了衡量已开发的PSO SVM方法的性能，使用了UCI数据集中的数据来证明它的性能优越性。
3、实验验证：本文通过利用多种方法对葡萄酒的品质进行分类，对实验结果进行系统的分析和总结，得出实验结论。
3. 主要参考文献
[1]孟金龙，丁超洋，周慧，吕爽.基于SVM的图像分类算法研究[J].数字技术与应用,2017,(10).
[2] [2]王海军，乔烨.PSO-SVM模型在葡萄酒品质分类中的应用研究[J].计算机与数字工程,2012(2012年08): 146-148.
