该文选定R<2>/M<2>界、ξα界和GACV界作为模型选择准则函数,模型选择的目的就是求解此函数的最小点.首先利用SVM输出为1的后验概率学习出一个Sigmoid函数,以代替推广误差上界中的阶跃函数,将模型选择准则函数解析化,以便于分析其性质.梯度法是一种很成熟的优化方法,该文利用拟牛顿法最小化模型选择准则函数,实验表明,这种方法计算量较小,但是只能得到局部最优解.进化算法不要求目标函数解析,基本上能找到全局最优点,已经广泛地应用于函数优化问题中;比较了几种进化算法之后,该文利用推广模拟退火算法求取模型选择准则函数的最优点,实验表明,这种方法得到的模型的推广能力很好,但是计算量太大.为了兼顾算法速度和最终模型的性质,该文考虑了梯度法和模拟退火算法的结合.约简支撑向量机是支撑向量机的一种快速算法,该文对它做了一些改进,并研究了该文算法的模型选择方法.该文还研究了模型选择和特征选择的关系,即通过核参数的选择来选择特征,降低了输入向量的维数.这些研究工作都在保证支撑向量机推广能力的前提下,提高了它的运行速度.