SVM 核函數(shù)包括線性核函數(shù)、多項式核函數(shù)、徑向基核函數(shù)、高斯核函數(shù)、冪指數(shù)核函數(shù)、拉普拉斯核函數(shù)、ANOVA 核函數(shù)、二次有理核函數(shù)、多元二次核函 數(shù)、逆多元二次核函數(shù)以及 Sigmoid 核函數(shù)。

對于支持向量機（SVM）來說，不同的核函數(shù)用于將輸入數(shù)據映射到更高維的空間，以便更好地進行線性分割。以下是對選項的分析：

1. **多項式核函數(shù) (Polynomial Kernel)**：
- 這是常見的SVM核函數(shù)之一，形式為 \( K(x, y) = (\alpha \cdot x^T y + c)^d \)，其中 \( \alpha \)、\( c \)、\( d \) 為可調參數(shù)。

2. **Logistic核函數(shù)**：
- 這并不是SVM中常用的或標準的核函數(shù)。Logistic回歸是一種用于分類的模型，但在SVM的標準核函數(shù)中并不存在“Logistic核函數(shù)”這樣的定義。

3. **徑向基核函數(shù) (Radial Basis Function, RBF Kernel)**：
- 這是SVM中最常用的核函數(shù)之一，形式為 \( K(x, y) = \exp(-\gamma \|x-y\|^2) \)，其中 \( \gamma \) 是參數(shù)。

4. **Sigmoid核函數(shù) (Sigmoid Kernel)**：
- 也稱為雙曲正切核函數(shù)，形式為 \( K(x, y) = \tanh(\alpha \cdot x^T y + c) \)，類似于神經網絡中的激活函數(shù)。

基于以上分析，選項 **B: Logistic核函數(shù)** 并不是SVM中的標準核函數(shù)。因此，正確答案是 **B: Logistic核函數(shù)**。