该程序可以较好的应用于故障诊断方面，实现故障的分类识别

分析了支持向量机（support vector machine, SVM）目前主要存在的问题和参数选择对分类性能的影响后, 提出了以改进粒子群算法优化SVM关键参数的优化SVM算法。将加入拥挤度因子的微粒群算法引入到SVM中, 在不牺牲泛化性能的前提下, 对其参数进行优化, 增加了SVM初始化参数的多样性, 减慢了局部搜索, 促进其在全局范围内的寻优搜索, 以有效克服SVM算法过分依赖初始值和容易陷入局部极小值的缺点, 并利用由粗到精的策略构造多层SVM人脸表情分类器, 在提高准确率的基础上加快分类的速度。实验证明, 新算法具有速度快、准确率高的优点。

目前LS- SVMlab工具箱用户指南包含了大量MATALAB中LS - SVM算法的实现，其中涉及分类，回归，时间序列预测和无监督学习。所有的功能都已经用Matlab从R2008a，R2008b，R2009a测试，工具箱中参考命令都以打印字体书写。

misvm, 多实例支持向量机 MISVM: 多个实例支持向量机由 Gary ( gary.doran@case.edu ) )概述MISVM包含多个实例( MI ) 学习框架的支持向量机( 支持向量机) 算法的python 实现。 为以下出版物创建了实现：Do

支持向量机的相关经典案例，里面包含线性核函数和非线性核函数，另外还有实例：支持向量机手写数字识别；内含测试集训练集、代码源文件及注释，可直接运行（需安装numpy和matplotlib）

纯C语言实现的支持向量机程序，很不错的参考程序

基于惯性大水滴滴水算法和支持向量机的粘连字符验证码识别 详细信息：http://blog.csdn.net/yinchuandong2/article/details/40340735

机器学习实战支持向量机代码，分为简易SMO，完整SMO，引入核函数SMO，以及实战利用其做手写字体的识别。 完整的代码需要数学理论作为依托，请关注我的学习文档，有完整的理论证明，供大家参考。

采用支持向量机预测风速的MATLAB程序，将该程序放至SVM工具箱中才可运行。

基于SVM(支持向量机) 的人脸识别 matlab 代码 基于SVM(支持向量机) 的人脸识别 matlab 代码 基于SVM(支持向量机) 的人脸识别 matlab 代码