固然卡尔曼滤波器算法有着很多优点，这并不意味这个算法就真的能够远远领先于支持向量计算法了。

要想要真的把这个算法给发挥出来。

就必须需要选择合适的运动模型和观测模型，并确定相应的参数和协方差矩阵，除此之外，还得选择合适的初始状态和初始误差，根据观测数据不断更新状态和误差。

总而言之，要求并不低。

不过同样的，支持向量机算法，也拥有着自己的优势。

陆语叹息了一口气，苦恼地看了看自己的几个争吵中的下属，一时之间不知该说些什么。

“你们其实说得也没错。”

“但是，局限性太大了。”

他咬了咬嘴唇，想要发表一下自己的观点。

但最终还是选择保持沉默。

在微型卫星网络系统，微电机所运用的空间里，也就是那一片广阔无垠，充满着未知危险的神秘宇宙中。

能够处理更高维度的数据的支持向量机算法，显然是更好的选择。

然而，这就像是盲人摸象一样。

你能摸到尾巴，那你就注定摸不到象鼻，反过来也是一样。

摸到大象鼻子的人，以为大象是一个长毛毛虫。摸到大象腿的人，以为大象是一个柱子。从他们的角度来看，说得都没有问题。

但大象就是大象！

就像现在的情况，

两种算法虽然都有自身的诸多优势，但是彼此之间的局限性一样不少。

这也是为什么陆语没有直接发表意见的原因了！

难啊！

支持卡尔曼滤波器算法，就得找一个合适的法子，来反驳支持向量机算法。

反过来也是一样。

陆语的大脑，也是高速运转了起来，开始做起了选择。

“如果使用支持向量机，那就需要大量的训练数据和计算资源，并且对数据的质量和分布有一定要求，如果训练数据不足或者不平衡，支持向量机可能会过拟合或者欠拟合。合适的核函数和惩罚参数，数据归一化和标准化”

一念至此，他开口道。

“大家先安静一下吧。”

在思索了片刻之后，陆语发言了。

“大家愿意去讨论，当然是好的。”

“但是我希望大家也能意识到卡尔曼滤波器和支持向量机在微电机系统误差补偿方面都有各自的优缺点和适用场景。”