SVM 核函数包括线性核函数、多项式核函数、径向基核函数、高斯核函数、幂指数核函数、拉普拉斯核函数、ANOVA 核函数、二次有理核函数、多元二次核函 数、逆多元二次核函数以及 Sigmoid 核函数。

对于支持向量机（SVM）来说，不同的核函数用于将输入数据映射到更高维的空间，以便更好地进行线性分割。以下是对选项的分析：

1. **多项式核函数 (Polynomial Kernel)**：
- 这是常见的SVM核函数之一，形式为 \( K(x, y) = (\alpha \cdot x^T y + c)^d \)，其中 \( \alpha \)、\( c \)、\( d \) 为可调参数。

2. **Logistic核函数**：
- 这并不是SVM中常用的或标准的核函数。Logistic回归是一种用于分类的模型，但在SVM的标准核函数中并不存在“Logistic核函数”这样的定义。

3. **径向基核函数 (Radial Basis Function, RBF Kernel)**：
- 这是SVM中最常用的核函数之一，形式为 \( K(x, y) = \exp(-\gamma \|x-y\|^2) \)，其中 \( \gamma \) 是参数。

4. **Sigmoid核函数 (Sigmoid Kernel)**：
- 也称为双曲正切核函数，形式为 \( K(x, y) = \tanh(\alpha \cdot x^T y + c) \)，类似于神经网络中的激活函数。

基于以上分析，选项 **B: Logistic核函数** 并不是SVM中的标准核函数。因此，正确答案是 **B: Logistic核函数**。