To improve the classification performance of SVM and obtain the optimal discriminative function, the EGA proposed in this work was used to optimize the parameters of SVM including correlative components (CCs), penalty factor C, and kernel width factor.

• 因此，为了充分利用支持向量机良好的分类能力，使之能处理存在复杂相关关系的观测数据，给出了结合分类相关成分分析(CCA)的支持向量机建立分类模型的方法(CCA-SVM)，又利用本文第三章所提出的EGA算法优化分类相关成分数及支持向量机参数。