正确答案是：A, B, D

下面是对逻辑回归和支持向量机（SVM）的联系与区别的分析：

| 项目 | 逻辑回归 | SVM (支持向量机) |
|------|----------|------------------|
| **用途** | A: 可以处理分类问题 | A: 可以处理分类问题 |
| **正则化** | B: 可以增加正则化项，如L1（Lasso）和L2（Ridge） | B: 可以增加正则化项，通常是用L2正则化，即通过调整C参数进行正则化 |
| **模型类型** | C: 是参数模型，参数是权重和偏置项 | C: 通常也认为是参数模型，但主要通过支持向量来定义边界，严格来说不完全是传统意义上的参数模型 |
| **处理方法** | D: 使用所有数据点来找到最佳拟合 | D: 只考虑支持向量，这些数据点是最接近决策边界的，分类器由这些支持向量决定 |

### 分析
- **A (都可以处理分类问题)**: 逻辑回归和SVM都是常用于监督学习中的分类任务的模型。

- **B (可以增加正则化项)**:
- **逻辑回归**经常使用正则化来避免过拟合，可以通过添加L1或L2正则化项来控制模型复杂度。
- **SVM**通过软间隔（Soft Margin）方法引入正则化，使用参数C来调整模型对误分类的容忍度和间隔的宽度。

- **C (都是参数模型)**:
- **逻辑回归**是一个典型的线性参数模型，使用参数权重来求解最优分类决策边界。
- **SVM**不完全是传统的参数模型，因为它的决策边界主要由支持向量确定，但在核方法和优化过程中有参数化的考量。

- **D (只考虑support vectors)**:
- **SVM**主要通过支持向量（即距离决策边界最近的点）确定分类决策边界，这些向量对最终的分类面有直接影响，而其它远离边界的点则不直接影响模型的学习。