SVM（支撑向量机模型）是二（多）分类问题中经常使用的方法，思想比较简单，但是具体实现与求解细节对工程人员来说比较复杂。本文从应用的角度出发，使用Libsvm函数库解决SVM模型的分类与回归问题

pca模块c代码，基于C8051f360单片机

主成分分析 PCA算法的实现使用两种方法：SVD和矩阵分解。

svm乳腺癌预测

pca用于图像分类，pca方法的使用，简单的课程应用

此提交包含以下文件： 1）dataset.mat 2) KPCAsurface.m 3) PCAsurface.m 4）greenmag.m dataset.mat 包含取自模拟过程示例的二维数据集。 该数据用于训练和测试内核 PCA 以进行故障检测。 训练后，为输出数据空间中的每个位置计算广泛使用的用于故障检测的 T2 和 Q 统计指标，从而生成等高线图。 然后将 99% 显着性水平检测限叠加在地图上，作为数据空间的正常（绿色）和错误（品红色）区域之间的边界。 使用等高线图，人们可以将各种内核类型和参数选择对正常和故障过程状态之间的决策边界的影响可视化。 这项工作是对参考文献 [1] 中结果的补充。 进一步的工作可以通过调查内核行为对进程监控性能的影响来进行。 [1] KES Pilario、Y. Cao 和 M. Shafiee。 非线性动态过程中早期故障监测的混合核规范变量

MATLAB神经网络之SVM神经网络的数据分类预测-葡萄酒种类识别.zip

MATLAB神经网络之SVM神经网络的回归预测分析---上证开盘指数预测.zip

MATLAB神经网络之SVM神经网络中的参数优化---提升分类器性能.zip

研究生期间，机器学习的上课老师自己做的课件，是基于斯坦福Andrew老师的课程的讲解，非常值得学习。