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仿真代码介绍

这是SVM的例，喜欢SVM可以下载，对初学者很有用，特别一点是： 要下载libsvm工具箱，然后按照例做一遍，很快就会上手的，当然一定要对SVM有兴趣才行，没兴趣的同学，那就不要下载了，呵呵

粒子群算法+优化支持向量机SVM+回归预测SVR+matlab源代码

灰狼优化算法优化SVM支持向量机后用于手写体数字识别+matlab源代码

鲸鱼优化算法+SVM支持向量机

支持向量机（support vector machines，SVM）是一种二分类模型，它将实例的特征向量映射为空间中的一些点，SVM 的目的就是想要画出一条线，以 “最好地” 区分这两类点，以至如果以后有了新的点，这条线也能做出很好的分类。SVM 适合中小型数据样本、非线性、高维的分类问题。 SVM 最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出，目前的版本（soft margin）是由 Corinna Cortes 和 Vapnik 在1993年提出，并在1995年发表。深度学习（2012）出现之前，SVM 被认为机器学习中近十几年来最成功，表现最好的算法。

故障诊断程序支持向量机智能诊断分为多个程序 数据输入、特征提取、功能函数等

自己写的，有运行截图

内置了葡萄酒数据，和分类与预测两个例子，可以根据需求进行改动，可读性强！ 布谷鸟算法是一种通过对自然界中的布谷鸟的育雏行为进行模仿，并结合莱维飞行来增强全局搜寻能力的启发式算法。 支持向量机是一种基于VC维理论同时又满足结构风险最小状态原则的机器学习算法，具有适应于小样本，泛化能力强等优点，主要是通过寻找一种满足公式 的最优的超平面，来实现不同数据特征的区分，其分类与预测效果的优劣主要受参数c，g的影响。 采用布谷鸟优化算法对支持向量机进行参数寻优。

内置了葡萄酒数据，和分类与预测两个例子，可以根据需求进行改动，可读性强！ 支持向量机是一种基于VC维理论同时又满足结构风险最小状态原则的机器学习算法，具有适应于小样本，泛化能力强等优点，主要是通过寻找一种满足公式 的最优的超平面，来实现不同数据特征的区分，其分类与预测效果的优劣主要受参数c，g的影响。 采用粒子群优化算法对支持向量机进行参数寻优。