基于Python和sklearn机器学习库实现的支持向量机算法使用的实战案例。 使用jupyter notebook环境开发。 支持向量机：支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane） [1-3] 。 SVM使用铰链损失函数（hinge loss）计算经验风险（empirical risk）并在求解系统中加入了正则化项以优化结构风险（structural risk），是一个具有稀疏性和稳健性的分类器 [2] 。SVM可以通过核方法（kernel method）进行非线性分类，是常见的核学习（kernel learning）方法之一。

一个很好的栅栏填充的源码，对图形学算法的学习研究有很大的帮助，程序写的见解清晰，方便阅读，值得看一看

KNN算法在鸢尾花数据集的Python实现

案例24 模糊神经网络的预测算法-嘉陵江水质评价.7z

采用了matlab中的fictsvm训练函数，predict预测。

这是可以运用在Javaweb项目开发中密码的加密，代码沉余少。

蚁群算法的车间作业调度源码很难得一个源码 欢迎大家下载这个源码

使用python，不调用opencv库函数的前提下进行BSCB算法图像修复。扩散过程和修复过程、测试图像和图像掩模都在里边。

【图像融合】基于区域的空间域图像融合.md

【车间调度】基于模拟退火求解车间调度问题.md