自己制作的支持向量机PPT，用于日常学习分享，欢迎大家下载交流，配套的文章在本人的博客上。适合课题分享、小组交流、科普机器学习。

(8条消息) 基于51单片机的超声波避障小车设计（含Proteus仿真）_鲁棒最小二乘支持向量机-.htm

关于线性判别分类器的SVM的ppt,对想了解svm的人有一定的帮助。看完后会对SVM有充分的了解

支持向量机是目前机器学习方法最优秀的方法. 比起神经网络,遗传算法等有较强理论基础,且 引入核函数隐藏了空间映射,是一大优势. 这里是几个PPT课件.

最小二乘法支持向量机matlab程序，具体详细每一步过程。

SVM理论，包含libsvm、关联规则、matlab支持向量机工具箱，相关程序等

支持向量机（SVM）是一种分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，学习策略是间隔最大化，最终可转化为一个凸二次规划问题的求解。包含三个由简至繁的模型：线性可分支持向量机、线性支持向量机、非线性支持向量机。学习支持向量机一个比较高效的方法是序列最小最优算法。

spark mllib 中的数据 支持向量机的数据

支持向量机择时策略的论文及代码，解决分类的问题，是不可多得的详尽解释

提出了一种改进的电力负荷短期预测小波网络模型,该模型采用最小二乘支持向量机(LS-SVM)实 现了小波分解系数的多尺度组合预测 .首先使用多孔算法对短期负荷序列进行小波分解,得到指定尺度下的 近似系数和相关尺度下的小波系数,然后利用 LS-SVM对预测点的系数进行多尺度组合预测,通过小波重 构可以求得相应的预测值 .结合某地区短期负荷需求数据进行了仿真试验,研究了预测点与历史记录数据的 相关关系 .预测结果表明,使用本模型进行短期负荷预测同比传统小波神经网络方法可以获得更好的预测精 度,同时 LS-SVM