可以用来多分类的相关向量机RVM，是基于贝叶斯框架构建学习机，是一种新的监督学习方法，可作为分类器和回归。其优势在于，RVM的准确率近似于SVM，但是RVM训练时间短。

机器学习

有关于相关向量机的基础学习 包括的相关概念及一些精华文献

一份详细伦敦大学学院老师详细讲解RVM（相关向量机）的文档。比较浅显易懂。

相关向量机 (Relevance Vector Machine, RVM) 语言：MATLAB 版本：V2.1 ----------------------------------------- 创作不易，欢迎各位5星好评~~~ 如有疑问或建议，请发邮件至：iqiukp@outlook.com 可提供关于该算法/代码的付费咨询和有偿编写 ----------------------------------------- 主要功能 1. 二分类学习（RVC）和回归学习（RVR） 2. 支持多种核函数 (linear, gaussian, polynomial, sigmoid, laplacian) 3. 支持混合核函数（K = w1×K1+w2×K2+...+wn×Kn) 4. 支持基于贝叶斯超参数优化、遗传算法和粒子群算法的 RVM 参数优化 ----------------------------------------- 注意 1. 仅支持 R2016b 以上的 MATLAB 2. 提供了多个示例文件，每个文件的开头都有对应的介绍 3. 此代码仅供参考

RVM的工具箱,包含拟合，退化预测，分类的源程序和例子

PDMS颜色插件(支持rvm颜色输出)V3.1 支持自己设置PDMS模型颜色，无需使用颜色规则，简单方便，并能利用工具导出rvm格式文件，带颜色。

原作者的网站上下的： A Hierarchical Latent Variable Model for Data Visualization.pdf Bayesian Image Super-Resolution.pdf Bayesian Inference_An Introduction to Principles and Practice in Machine Learning.pdf Fast Marginal Likehood Maximisation for Sparse Bayesian Models.pdf Mixtures of Probabilistic Principle Component Analysers.pdf Variational Relevance Vector Machine.pdf

相关向量机，经过调试可以正常运行，而且运行速度不错。

对复杂、病态、非线性动态系统进行故障预报的重点和难点是建立系统故障状况的数学模型,通常难以建立精确的数学模型,相比之下构建其模糊模型是一个有效途径.本文研究了相关向量机(Relevance vector machine,RVM)与模糊推理系统(Fuzzy inference system,FIS)之间的内在联系,证明了基于RVM的FIS具有一致逼近性,并提出了一种基于RVM和梯度下降(Gradient descent,GD)算法的模糊模型辨识方法.基于所给出的模糊模型辨识方法提出了一种新的故障预报算法.仿真结果表明所建立的模糊模型不仅结构更加简单,而且能达到更高的预测精度,所提出的故障预报算法能准确地预报系统故障.