用于脑电信号分析的matlab算法，对数据进行PCA处理及SVM分类。

Libsvm-2.5 程序代码注释，上海交通大学版，内附实现代码

因子分析实例322－旋转Rotation 由于系数没有很明显的差别,所以要进行旋转(Rotation：method一般用Varimax方差最大旋转),使系数向0和1两极分化, 例子同上 菜单：Analyze－Data Reduction－Factor Variables ：pop，School，employ，Services， house Extraction：使用默认值（ method：Principal components，选取特征值>1） Rotation：method选Varimax Score:Save as variables 和Display factor score Coefficient matrix 比较有用的结果：两个主成分(因子)f1,f2及旋转后的因子载荷矩阵(Rotated Component Matrix) ，根据该表可以写出每个原始变量（标准化值）的因子表达式： Pop 0.01602 f1 + 0.9946f2 School  0 .941f1 - 0.00882f2 employ  0.137f1 + 0.98f2 Services  0.825f1 +0.447f2 house  0.968f1 - 0.00605f2 第一主因子对中等学校平均校龄,专业服务项目,中等房价有绝对值较大的载荷(代表一般社会福利-福利条件因子); 而第二主因子对总人口和总雇员数有较大的载荷(代表人口-人口因子). P326 比较有用的结果:因子得分fac1_1, fac2_1。其计算公式：因子得分系数和原始变量的标准化值的乘积之和（P326)。然后可以利用因子得分进行聚类p327（Analyze->Classify->Hierarchical Cluster）。

基于SVM的图像分割-真彩色图像分割，可以很好的分割彩色图像

pca-sift经典算法，是Davaid Lower力推荐的算法。可以用于目标跟踪、检测、匹配。

1、资源内容:基于SVM的手写数字图像识别 2、使用/学习目标:了解手写数字图像识别 3、应用场景:基于Minist数据集的手写数字图像处理等内容实现 4、特点:基于SVM手写数字图像识别代码实现过程 5、适用人群:想阅读手写数字图像识别源码的初学者 6.使用/学习说明:在学习的过程要结合SVM核心原理与手写数字图像识别需求分析和方案设计，在实践中不断提升

利用SVM优化算法实现变压器局部放电信号prpd模式识别及其特征提取

classify using one-against-one approach, SVM with linear, 3rd degree poly,RBF 7 kernel

在matlab平台下的基于libsvm的svm双螺旋线二分类问题

支持向量机中的支持向量回归函数对数据进行预测