1.SVM多输入多输出 2.客服传统多输入单输出模式

1.里面有一片类似的轴承故障诊断论文 2.计算了VMD的能量熵和样本熵 3.做了多种数据集，包括单特征和多特征pca归一化 4.利用了粒子群算法优化SVM参数 5.python代码齐全

MATLAB

自己编写的SVM支持向量机分类算法matlab仿真。不适用matlab工具箱，也不适用第三方工具箱。 case 'svc_c', C = p1; n = length(Y); H = (Y*Y').*kernel(ker,X,X); f = -ones(1,n); A = []; b = []; Aeq = Y'; beq = 0; lb = zeros(n,1); ub = C*ones(n,1); a0 = zeros(n,1); [a,fval,eXitflag,output,lambda]=quadprog(H,f,A,b,Aeq,beq,lb,ub,a0,options);

多输入多输出SVM，可以直接运行，不能使用私信留言

使用emd和svm进行预测使用svm进行预测使用emd和svm进行预测使用svm进行预测使用emd和svm进行预测使用svm进行预测(Predicting with emd and svm Predicting with svm Predicting with emd and svm Predicting with svm Predicting with emd and svm Predicting with svm)

机器学习中的多示例包层次SVM分类算法 【核心代码】Bag_KI_SVM.m KI-SVM ├── Bag KI-SVM │ ├── Bag_KISVM_prediction.m │ ├── Bag_KI_SVM.m │ ├── Find_y.m │ ├── Find_y_linear.m │ ├── Max_Violated_y_set.m │ ├── Readme.htm │ ├── celltomatrix.m │ ├── genIndex.m │ └── normalization_gaussian.m ├── Instance KI-SVM │ ├── Find_y.m │ ├── Find_y_linear.m │ ├── Inst_KISVM_prediction.m │ ├── Inst_KI_SVM.m │ ├── Max_Violated_y_set.m │ ├── Readme.htm │ ├── celltomatrix.m │ ├── genIndex.m │ └── normalizat

使用matlab实现蜂群SVM，粒子群SVM，遗传算法SVM，数据包含有公共数据集，公共图像数据集，图像特征提取用了词袋，保证可用（公共图像数据集太大，删除了）

matlab源文件，对网络数据进行入侵检测，利用libsvm工具箱，对特征进行分类。内容包括：数据的归一化，参数择优（交叉验证），建立svm模型，性能评价。压缩包内有详细的说明文档。(matlab source files, network data for intrusion detection, to use libsvm toolbox, to classify the characteristics. The contents include: data normalization, parameters and selection of the best (cross-validation), the establishment of SVM model performance evaluation. Compressed within a detailed documentation.)

人工鱼群算法AFSA优化支持向量机SVM,提高故障分类精度。(Artificial fish algorithm AFSA optimization support vector machine SVM, improve the fault classification accuracy.)