《支持向量回归机及其应用研究_田英杰》，matlab中文论坛faruto版主推荐的一篇文献，帮助理解SVM。

支持向量回归机（讲述如何将SVM从分类应用到到回归中去）

采用支持向量回归方法用3个数据集来评价z-scales、c-scales、ISA-ECI、MS-WHIM、PRIN等5个氨基酸描述符在肽QSAR支持向量回归模型构建中的性能并对核函数进行选择，采用留一法交叉检验的结果显示径向基核函数要好于多项式核函数和线性核函数；在以径向基核函数的支持向量回归模型中表明z-scales的预测准确度要略优于其它描述符，且在同一描述符的情况下SVR的预测效果要好于其它线性方法，说明SVR在肽QSAR模型构建中是一个可行的方法。

该脚本基于嘈杂的训练数据估计非线性函数。 特别是，使用的支持向量回归是最小二乘法版本。 有两个自由参数： -C 用于避免过拟合-g 与 Radial Basis Function 的学习参数有关

基于聚类算法的支持向量回归建模的新策略.pdf

基于模糊聚类和支持向量回归的成绩预测.pdf

基于哈里斯鹰优化器与支持向量回归的农村用电量预测方法研究，朱金玉，曹卫东，农村在经济发展中扮演着越来越重要的角色，农村用电量需求也越来越大，农村用电量预测能为管理者提供决策支持，其重要性变得十分

MLSSVR 多输出最小二乘支持向量回归机 1.简介 1.1。 描述 多元输出回归旨在学习从多元输入特征空间到多元输出空间的映射。 尽管它具有潜在的用途，但是最小二乘支持向量回归机（LS-SVR）的标准公式[1] [2]无法应对多输出情况。 通常的过程是训练多个独立的LS-SVR，从而忽略不同输出之间潜在的（潜在的）非线性交叉相关性。 为了解决这个问题，受多任务学习方法（如[3]）的启发，Xu等。 al。 [4]提出了一种新颖的方法，即多输出设置下的多输出LS-SVR（MLS-SVR）。 MLSSVR是MLS-SVR的MATLAB实现，在[4]中具有更有效的训练算法。 1.2。 新闻，评论和错误报告。 我们非常感谢您的任何建议，评论和错误报告。 1.3。 执照 MLSSVR是免费的MATLAB工具箱； 您可以根据自由软件基金会发布的GNU通用公共许可证的条款重新分发和/或修改它； 许

svr算法matlab代码Pattern_Regression_Matlab Matlab代码用于支持向量回归（SVR）和启示向量回归（RVR）分析以及交叉验证，以评估预测能力。 另请参阅此处的代码。 如果您使用这些代码，将不胜感激引用我们的相关论文。 Zaixu Cui, Gaolang Gong, The effect of machine learning regression algorithms and sample size on individualized behavioral prediction with functional connectivity features, (2018), NeuroImage, 178: 622-37 Zaixu Cui, et al., Individualized Prediction of Reading Comprehension Ability Using Gray Matter Volume, (2018), Cerebral Cortex, 28(5):1656–72 Zaixu Cui, et al., Indivi

为了准确预测铣刀在加工过程中的磨损量，提出一种基于粒子群算法的支持向量回归机的优化算法用于对铣刀 磨损量的建模与预测。通过粒子群算法，优化输入不同维度的特征向量的支持向量回归机的建模，得到特征向量维度的最 优解和对应的支持向量回归机训练参数，建立了铣刀磨损量的预测模型。通过随机选取的真实样本，验证了该模型的准 确性。