Python编写的SVM算法，SVM算法的实现，适合直接使用，开放源代码，Supported Vector Machine。 (Python code SVM algorithm，SVM algorithm realizition，easy to use，open source，Supported Vector Machine。)

代码可运行，内含数据集 训练图片是第一类15张，测试图片第一类5张 训练图片是第二类15张，测试图片第二类5张 训练图片是第三类15张，测试图片第三类5张 图片集共60张，训练集图片45张，测试集图片15张 第一类图片、第二类图片、第三类图片可以缺陷识别分类，差、良、优。

1、python程序 2、有数据集 3、里面进行了三种算法对比，遗传算法、粒子群算法和布谷鸟算法 4、有一篇类似论文

当训练非线性 C-SVM 将二维数据（2 个特征）分类为 2 个或更多类时，此代码旨在帮助可视化学习的分类器。 C = Inf 的情况给出了硬边界分类器，而 C < Inf 给出了 1-范数软边界分类器。 （参见参考文献 [2] 中的命题 6.12 和方程（7.1）） MATLAB 的 quadprog 用于求解对偶变量 a。 求解器设置为使用内点法。 高斯径向基函数 (RBF) 核用于生成非线性边界。 在二进制分类文件 (SVMtrial.m) 中：有 6 个不同的训练集可供使用。 输出是分类器的 3D 网格图和支持向量的数量。 二元分类的数据集： (1) 典型(2) 马鞍(3) 随机(4) 随机，带 1 个异常值的椭圆(5) 螺旋(6) 不平衡 + 重叠 在多类分类文件 (DAGsvm.m) 中：有 5 个不同的训练集可供使用。 输出是 K*(K-1)/2 分类器的 3D 网格

Suppot-Vector-Machine-IRIS:使用SVM对IRIS数据集进行实验

1、python程序 2、有数据集可直接运行

1、python代码 2、有数据集，直接运行

案例14 SVM神经网络的回归预测分析---上证开盘指数预测.7z

采用了matlab中的fictsvm训练函数，predict预测。

matlab姿态识别系统源码运行 Face-Recognition Practice of two Pattern Recognition methods. Face Recognition based on SVM and SRC. 一 背景 1.1 支持向量机简介 支持向量机（Support Vector Machine，SVM）是AT&TBell 实验室的V.Vapnik等人提出的一种机器学习算法，是迄今为止最重要的机器学习理论和方法之一，也是应用最广泛、综合效果最好的模式分类技术之一。到目前为止，支持向量机已应用于孤立手写字符识别、网页或文本自动分类、说话人识别、人脸检测、性别分类、计算机入侵检测、基因分类、遥感图象分析、目标识别、函数回归、估计、函数逼近、密度估计、时间序列预测及数据压缩、文本过滤、数据挖掘、非线性系统控制等各个领域的实际问题中。 支持向量机是一种二分类模型，其基本定义是特征空间上的间隔最大的线性分类器（当采用线性核时），即支持向量机的学习策略是间隔最大化，最终转化为凸二次规划问题的求解。该方法在1995年正式发表，因其在文本分类任务中显示出卓越性能，很快成为