支持向量机建模（support vector machine modeling），工学-控制科学与工程-过程控制-过程建模方法-支持向量机建模，一种基于统计学习理论的数据处理与分类方法。支持向量机（support vector machine; SVM）由俄罗斯数学家V.N.瓦普尼克（Vladimir Naumovich Vapnik）于1995年提出。支持向量机在模式识别、信号处理、函数逼近、时序预测、数据挖掘等领域也得到广泛应用。由于SVM在处理小样本、非线性及高维数据分类问题中表现出许多特有的优势，因此在过程建模领域也引起关注并获得了广泛的应用。支持向量机建模的主要思想是通过事先选择的非线性映射将输入向量映射到高维特征空间，在这个空间中利用结构风险最小化原则构造最优决策函数，并利用原空间的核函数取代高维特征空间中的点积运算。支持向量机是从线性可分情况下的最优分类面发展而来的，在形式上类似神经网络，输出是中间节点的线性组合，每个中间节点对应一个支持向量。支持向量机建模将低维空间非线性的输入映射为高维空间线性的输出，并在这个高维空间进行线性回归。