本资料主要讲述机器学习算法的基本原理，以及通过Python实现的算法实例 主要涉及算法：回归算法、决策树与集成算法、聚类算法、贝叶斯算法、支持向量机、推荐系统、主成分分析、EM算法、神经网络、时间序列分析、文本分析 博客总结：https://editor.csdn.net/md?not_checkout=1&spm=1001.2014.3001.5352&articleId=128316144

MATLAB实现PSO-SVM粒子群优化支持向量机时间序列预测，Matlab完整程序和数据 数据为单变量时间序列数据，含粒子群优化前后的对比，预测对象为股票价格。

概括介绍了近年来倍受瞩目的一种新的计算机学习方法——支持向量机(Support Vector Machines,简称SVM)方法,这一方法具有坚实的理论基础和出色的应用效果;并分析了SVM方法与 模糊系统的关系,对这两种方法的交互促进和发展提出了看法。

机器学习（期末复习笔记）：支持向量机，人工神经网络，决策树，强化学习

svm支持向量机python代码

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab代码模型及运行结果

SVM支持向量机多输入单输出预测与多输入多输出预测、matlab代码、运行精度高。

SMO算法由Microsoft Research的John C. Platt在1998年提出，并成为最快的二次规划优化算法，特别针对线性SVM和数据稀疏时性能更优。关于SMO最好的资料就是他本人写的 《Sequential Minimal Optimization A Fast Algorithm for Training Support Vector Machines》了。

内含数据集可以更换自己数据集，准确率高代码备注清楚

针对微型齿轮缺陷传统检测手段落后、准确率低、不易在线实施、受人为因素影响等问题,提出了以电荷祸合器件为图像传感器,采用图像处理技术和支持向量机对齿轮缺陷进行检测的方法。首先,系统采用发光二极管照明光源提供高强度背光照明,使用A102FCCD数字摄像头采集齿轮的图像,经过图像采集卡传输到计算机。其次,采用边缘保持滤波器对含有噪声的原始数字图像进行降噪处理,采用迭代阂值法和Otsu双阂值法对齿轮图像进行分割,形成二值化图像。然后获取齿轮样本,提取样本特征。最后用支持向量机来构造齿轮缺陷识别模型。该方法识别正确