该工具箱主要用于商业用Matlab软件包使用。Matlab的工具箱已经在不同的计算机体系结构编译和测试，包括Linux和Windows。大部分函数可以处理的数据集可高达20，000或更多点的数据。LS- SVMlab对Matlab接口包括一个适合初学者的基本版本，以及一个多类编码技术和贝叶斯框架的更先进的版本。

利用LSSVM对数据进行训练，然后可以进行分类和预测，包括LSSVM工具箱。

空间最小二乘法 (PLS) 是在各个领域中广泛使用的技术。 该包提供了使用非线性迭代偏最小二乘 (NIPALS) 算法执行 PLS 回归的函数。 它包含一个教程函数，用于解释 NIPALS 算法和使用 PLS 函数执行判别分析的方法。 全最小二乘回归和偏最小二乘回归的区别可以解释如下： 对于给定的独立数据 X 和相关数据 Y，拟合模型 Y = X*B + E 总最小二乘回归解决了最小二乘意义上的误差最小化问题： J = E'*E PLS 不是直接在 X 和 Y 之间拟合模型，而是首先将 X 和 Y 分解为低维空间（所谓的潜在变量空间）： X = T*P' + E0，和Y = U*Q' + F0 其中 P 和 Q 是正交矩阵，即 P'*P=I，Q'*Q=I，T 和 U 的列数相同，a 远小于 X 的列数。那么，a在 T 和 U 之间执行最小二乘回归： U = T*B + F

回归估计最小二乘支持向量机

偏最小二乘回归的线性与非线性方法(书.王惠文),非常经典，，推理细致准确

根据灰色理论(grey model，GM)所需原始数据少、建模简单、运算方便等优势，以及最小二乘支持向量机(least square support vector machine LS-SvM)所具有的泛化能力强、运算速度快、非线形拟合精度高、参数优化好、小样本等优点，建立了灰色理论和最小二乘支持向量机组合预测模型，并将此模型应用于灌区用水量预测中。预测结果与实际结果吻合良好，验证了所提出组合方法的有效性和实用性，可以作为灌溉用水量预测的有效工具。

利用最小二乘法 把离散的点拟合成多项式 多项式项数自己规定 取点可以根据实际需要跳跃取点

将模糊隶属度概念引入最小二乘支持向量机, 提出一种基于支持向量数据域描述的模糊隶属度函数模型, 将输入空间中的样本映射到一个高维的特征空间; 然后根据其偏离数据域的程度赋予不同的隶属度. 该方法提高了 最小二乘支持向量机的抗噪声能力, 尤其适用于未能完全揭示输入样本特性的情况. 将提出的方法用于催化裂化分 馏塔轻柴油凝固点的软测量建模, 仿真结果表明, 该模糊隶属度函数模型能够提高最小二乘支持向量机的预测精度.

本代码是基于matlab开发的，利用最小二乘法对信号进行鉴别相位差，精度高，抗干扰性强

二、带遗忘因子的渐消记忆递推最小二乘法 在使用RLS法的实时辨识中,随着k的增大,矩阵P(k)将逐渐趋近于零阵而出现数据饱和,即新数据将逐渐失去对参数估计值的影响力. 此外,许多实际工程和社会系统的模型参数随系统环境和内外扰动而缓慢变化,为能跟踪好这些缓慢时变的参数,需逐步赐除老数据对估计值的影响. 因此上一节的RLS法并不适用于这类具有时变参数的系统的参数估计. 为降低老数据的影响力,增加新数据提供的信息量,下面引入带遗忘因子的渐消记忆RLS法.