支持向量机 用于背景噪声分类的支持向量机

chapter29 支持向量机的回归拟合——混凝土抗压强度预测

C语言版的支持向量机源码，很好，很强大。

引言 统计学习理论的基本理论 支持向量机 核函数 支持向量机优化方法 支持向量机方法小结 支持向量机应用领域和研究进展 Support Vector Regression 参考文献

该资源为机器学习算法2详细讲解，包括朴素贝叶斯、支持向量机、EM算法、HMM模型、集成学习进阶以及拓展理论和实践案例等详细讲解。

该包是支持向量机的内置算法包，直接调用就可以执行支持向量机的分类预测功能，是支持向量机必不可少的部分！自己下载配置就可以了！

研一机器学习作业SVM分类器

主要应用领域 手写数字识别 语音识别 人脸识别 文本分类

提出了一种基于时频域特征的情绪检测方法。使用Box-and-whisker plot（箱线图）选择最佳特征，然后将其输入SVM分类器，用于训练和测试DEAP数据集，其中考虑了32名不同性别和年龄组的参与者。实验结果表明，该方法对测试数据集的准确率为92.36%。此外，所提出的方法比最先进的方法表现出更高的准确性。 本文利用DEAP数据集预处理的脑电信号对两种维度进行四分类，即效价和觉醒。首先通过应用FFT将数据集中的样本从时域转移到频域，然后提取对情绪识别特别重要的α、β和θ频带。随后，根据每个情绪对应的象限对提取的频带进行平均，并使用平均频带值提取统计特征。然后，对提取的特征进行缩放，并将各种特征组合输入支持向量机分类器（SVM）进行情感识别。据观察，我们的方法使用偏度、峰度和波熵特征预测情绪，准确率为92.36%。与现有的DEAP数据集方法相比，我们提出的模型显示了更好的结果。

内包含基于SVM的粒子群算法来处理乳腺癌的分类预测，其中首先用到了特征提取方法进行特征提取，然后再进行了分类预测。 本程序调用libsvm,使用该代码时，首先需要配置libsvm函数包。