近年来随着盲检测算法的提出，越来越多的基于采样协方差矩阵的盲检测算法应用于频谱感知。针对其检测门限是近似值，检测性能会受到影响等问题，提出了基于采样协方差矩阵的混合核函数的支持向量机（support vector machine,SVM）高效频谱感知，通过感知信号采样协方差矩阵的最大最小特征值（maximum minimum eigenvalue,MME）和协方差绝对值（covariance absolute value,CAV）提取的统计量作为SVM的特征向量并训练其生成频谱感知的分类器，无需计算检测门限并且特征提取减少了样本集的大小。利用遗传算法（genetic algorithm,GA）优化混合核函数的SVM的参数。实验结果表明，该方法比MME算法和CAV算法的检测概率有所提高，并且比SVM减少了感知时间，具有良好的实用性。

LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数可以解决很多问题；并提供了交互检验(Cross Validation)的功能。该软件可以解决C-SVM、ν-SVM、ε-SVR和ν-SVR等问题，包括基于一对一算法的多类模式识别问题。

基于yolov5的人脸识别demo，使用celeba训练yolov5，具体详见工程文件中的README，通过借鉴github上mtcnn-facenet，还有不足，不喜勿喷，谢谢。

matlab源码

利用SVM+PCA降维分类，程序中采用的数据集是ORL人脸库，该人脸库共有400副人脸图像，40人，每人10幅，大小为112*92像素，同一个人的表情，姿势有少许变化。 程序的流程主要分为三部分，数据的预处理(PCA降维和规格化)，数据的训练阶段，数据的识别阶段

基于麻雀搜索算法优化的SVM数据分类预测.rar

SVM 分类边界可视化的 MATLAB 代码 (libsvm-3.23)

【手写数字识别】基于支持向量机SVM实现手写数字识别matlab源码含GUI.zip

结合《统计学习方法》以及一些资料，写出自己对SVM算法的理解，并且用Python+Numpy实现了SMO算法

本程序是参考了 http://research.microsoft.com/en-us/um/people/jplatt/smoTR.pdf及多个博客完成， 数据验证正确，实验结果直观。