1. 毕业设计（论文）主要内容：
支持向量机SVM(Support Vector Machine)是一个有监督的学习模型，是Vapink等根据统计学习理论中的结构风险最小化提出的。
SVM能够尽量提高学习机的推广能力，即使由有限数据集得到的判别函数对独立的测试集仍能够得到较小的误差。
本课题主要完成基于SVM的在线评论情感倾向判别算法的研究，能够仿真验证算法，进行对比实验。
2. 毕业设计（论文）主要任务及要求
(1)研究SVM算法的实现方法；
(2)研究在线评论情感倾向判别知识；
(3)实现基于SVM在线评论情感倾向判别系统的基本功能，进行系统性能测试；
3. 毕业设计（论文）完成任务的计划与安排
(1) 第1－3周：查阅相关文献资料，明确研究内容，学习毕业设计研究内容所需理论的基础。确定毕业设计方案，完成开题报告。
(2) 第4－5周：掌握Java开发环境和使用方法，了解SVM算法的相关理论知识。
(3) 第6－9周：学习在线评论情感倾向判别的相关知识，完成整个系统的前期设计工作。
4. 主要参考文献
[1]Gao Y, Zhou C H, Fen-Zhen S U. Study on SVM classifications with multi-features of OLI images[J]. Engineering of Surveying Mapping, 2014, 47(11):3084-3086.
[2]Kuo B C, Ho H H, Li C H, et al. A Kernel-Based Feature Selection Method for SVM With RBF Kernel for Hyperspectral Image Classification[J]. IEEE Journal of Selected Topics in Applied Earth Observations Remote Sensing, 2014, 7(1):317-326.
[3]Pasolli E, Melgani F, Tuia D, et al. SVM Active Learning Approach for Image Classification Using Spatial Information[J]. IEEE Transactions on Geoscience Remote Sensing, 2014, 52(52):2217-2233.
