ماشین بردار پشتیبان در ابتدا برای حالت باینری ابداع شد سپس بعلت کاربرد آن الگوریتم های چندکلاسه طراحی شدند. مدل های ارائه شده حالتی را بررسی می کنند که در آن داده های ورودی ثابت و قطعی می باشند‏، در حالیکه در دنیای واقعی با داده های غیر قطعی و نادقیق سروکار داریم. لذا در این ‎‏رویکرد به بررسی مدلی می پردازیم که در آن ورودی ها‏، تصادفی و محدودیت مسئله احتمالی می باشد. با استفاده از قضایای آماری‏، قید مسئله را از حالت احتمالی آزاد می کنیم. با استفاده از شبیه سازی مونت کارلو ‎‎‏روش پیشنهادی را مورد بررسی قرار می دهیم. نتایج بر روی داده های واقعی برتری کارایی مدل پیشنهاد شده را بر مدل قطعی نشان می دهد.

کلمات کلیدی