matlab中支持向量机的实验，结果和分析！

为了提高花粉浓度预报的准确率，解决现有花粉浓度预报准确率不高的问题，提出了一种基于粒子群优化（ PSO）算法和支持向量机（ SVM）的花粉浓度预报模型。首先，综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素，选择与花粉浓度相关性较强的气象要素构成特征向量;其次，利用特征向量与花粉浓度数据建立SVM预测模型，并使用PSO算法找出最优参数;然后利用最优参数优化花粉浓度预测模型;最后，使用优化后的模型对花粉未来24h浓度进行预测，并与未优化的SVM、多元线性回归法（MLR）、反向神经网络（ BPNN）作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明，相比其他预报方法，所提方法能有效提高花粉浓度未来24 h预测精度，并具有较高的泛化能力。

内含MATLAB版本的SVM程序、PYTHON版本的SVM程序，以及LIBSVM-3.20封装svm的应用程序（可直接通过CMD调用），内含详细代码注释以及软件使用情况

动态手势的识别部分，在特征提取阶段，将手心坐标作为手势的位置，并将 手心在空间中运动形成的一系列二维坐标点作为手势的轨迹，再把相邻的坐标点 间的方向角量化后得到的方向向量作为动态手势的特征向量。其中，对于轨迹开 始和结束的判断，则是使用了指尖的个数作为依据：当指尖个数为 5 时，轨迹开 始；当指尖个数为 0 时，轨迹结束。在识别阶段，则是利用了隐马尔科夫模型作 为分类器，实现了对于 10 种自定义的动态轨迹的训练和识别

MATLAB数学建模工具箱安装步骤 % 1. 将工具箱例如：GraphTheory.zip解压缩至matlab安装路径下\toolbox\; % 2. 启动Matlab,利用Path Browser中的Add path菜单将 % matlab11\toolbox\工具箱文件夹路径增至path中,放在最前面，并保存设置； % 3. 回到你的工作目录。现在GraphTheory已成为一个普通的工具箱了。 % 可以使用命令help GraphTheory查看内容或直接用命令GraphTheory学习教程。

内容详细完整，详细介绍matlab的支持向量机工具箱，方便学习交流,

改进的AdaBoost-SVM算法用于对等网络贷款平台的安全性和风险进行分类。 由于SVM算法难以处理稀有样本并且训练缓慢，因此使用规则采样来减少分类噪声。 然后，通过学习机的组合，可以识别P2P风险。 结果表明，IAdaBoost算法可以提高风险平台分类的准确性。 分类误差可控制在5％以内。

航拍图像往往具有场景复杂、数据维度大的特点，对于该类图像的自动分类一直是研究的热点。针对航拍原始数据特征维度过高和数据线性不可分的问题，在字典学习和稀疏表示的基础上提出了一种结合核字典学习和线性鉴别分析的目标识别方法。首先学习核字典并通过核字典获取目标样本的稀疏表示，挖掘数据的内部结构；其次采用线性鉴别分析，加强稀疏表示的可分性；最后利用支持向量机对目标进行分类。实验结果表明，与传统基于子空间特征提取的算法和基于字典学习的算法相比，基于核字典学习与鉴别分析的算法分类性能优越。

最小二乘支持向量机构造的函数链接型神经网络

结合相空间重构理论和统计学习理论.实现混沌时间序列的多步预测.采用微熵率法求得最优嵌入维数和时延参数,重构系统相空间,用最小二乘支持向量机建立混沌时间序列的多步预测模型,并与径向基函数网络预测模型比较.结果表明,所建立的模型能够捕捉到原混沌系统的动力学特征.前者的归一化均方根预测误差远小于径向基函数网络预测模型的预测误差,泛化能力较强,其预测效果较好.