支持向量机（是一类按监督学习方式对数据进行二元分类的广义线性分类器）

正确答案是：A: 袋装法（Bagging），B: 提升法（Boosting），D: 随机森林（Random Forest）。

专业分析如下：

1. **袋装法（Bagging）**：
- 袋装法（Bagging）是一种并行集成方法。它通过对原始数据集进行多次有放回的随机抽样，生成多个不同的子数据集，然后在每个子数据集上训练一个分类器。最终的分类结果通过对所有分类器的投票或平均来决定。Bagging可以有效地降低模型的方差，提高分类准确率。

2. **提升法（Boosting）**：
- 提升法（Boosting）是一种序列化集成方法。它通过逐步训练多个弱分类器，每个分类器在前一个分类器的基础上进行改进。具体来说，每个新分类器会更加关注前一个分类器错分的数据。最终的分类结果是所有弱分类器的加权和。Boosting可以有效地降低模型的偏差，提高分类准确率。

3. **随机森林（Random Forest）**：
- 随机森林（Random Forest）是一种结合了Bagging和随机特征选择的集成方法。它通过生成多个决策树，每个树在训练时不仅使用了Bagging方法生成的不同子数据集，还在每个节点的分裂时随机选择一部分特征。最终的分类结果通过所有决策树的投票来决定。随机森林能够进一步提高分类准确率，并且对模型的过拟合具有较好的抵抗力。

4. **支持向量机（Support Vector Machine）**：
- 支持向量机（SVM）是一种单一的分类器方法，它通过寻找一个最佳的超平面来将数据分开。SVM并不是一种集成方法，因此不符合通过聚集多个分类器来提高分类准确率的技术。

综上所述，A、B和D选项都是通过聚集多个分类器来提高分类准确率的技术，而C选项不是。