向量机是一种分类的手段，在本文通过MATLAB来对其进行操作实现，搭建常用的向量机过程进行分类，代码测试有较好的效果。

Julian 日期输入格式：yyyyddd，例如，2009 年 1 月 1 日 = 2009001 或 2009 年 12 月 31 日 = 2009365。正常的日期输出格式可以是“dd-mmm-yyyy”（例如，31-Dec-2009）。 如果给定的日期不是上述格式（即具有 7 位有效数字的数字，例如 2012187.5 for 05 Jun 2012 12:00 PM），将返回警告。 第二个输入参数是可选的。 ________________________________________ --输入： jl_dates：一个或一组数字儒略日期（7 位有效数字：0000000.00） dateFormat：输出字符串日期的格式（可选） --输出： normalDate：输出日期的字符向量状态：一个字符串字符，提供有关可能警告的信息如果输入 jl_dates 向量不遵循，则会生成所需条件

从人脸图像特征提取和分类器构 建两方面分析了人脸识别系统设计的关键点,提出了以主成分分析技术和支持向量机技术相结合构建人脸识别系统的策略,同时在主成分分析技术的理论基础上提出了一种快速PCA算法.通过实验系统在ORL人脸库上的测试结果,分析了该系统的相关参数和特征向量维度的选取对系统识别率的影响,并得到了其最优解.同 时,通过实验证明了所提出方法在小训练集下的识别率优于其它一般方法,其识别率比一般的人工神经网络法提高了7%~10%左右.

粒子群算法PSO优化支持向量机回归算法SVR，python写，自带数据集

提出了一种相空间重构与贝叶斯框架下的LS-SVM预测矿井涌水量的方法,矿井涌水量具有混沌特征,利用相空间重构,找出矿井涌水量时间序列隐藏的演化规律,作为输入参量,将贝叶斯证据框架理论用于最小二乘支持向量机模型参数的优选,运用LS-SVM将非线性问题转化为高维特征空间的线性问题进行求解。利用典型的Lorenz生成的时间序列进行仿真,选择2004年8月-2005年2月的矿井涌水量数据进行验证,结果表明该方法可行并具有较高的精度。

基于支持向量机的商业银行信用风险评估模型，刘闽，林成德，本文将支持向量机（Support Vector Machine，SVM）用于建立商业银行的信用风险评估模型。通过与MDA以及神经网络模型的比较，证实了该方法�

支持向量机(Support Vector Machine,SVM)是Corinna Cortes和Vapnik8等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。

文本分类，

参考学习

针对神经网络存在的过学习、欠学习、局部极小值等问题,提出了一种基于支持向量机(SVM)的数字调制方式的识别方法。从信号的瞬时幅度,瞬时相位,瞬时频率,频谱,包络变化等特性中提取了7个特征参数,用于训练支持向量机。运用二叉树理论设计多类分类器,与已有算法相比,具有简单、高速、高精度的特点。仿真结果证明,在高斯白噪声(AWGN)下,当信噪比大于15dB时,对2ASK、4ASK、8ASK、2FSK、4FSK、8FSK、BPSK、QPSK、8PSK调制方式的识别率可以达到97%以上。