摘要I第一章 绪论 11.1 研究背景及意义 11.2 国内外研究动态 21.3 论文结构 3第二章 支持向量机理论基础 52.1 引言52.2 统计学习理论

一些车牌识别技术的个人总结，里面包含传统的机器学习以及深度学习的部分代码，可以直接运行。

人工智人-家居设计-基于SVM的智能家居辅助决策系统研究.pdf

人工智人-家居设计-基于SVM的智能天线算法研究.pdf

人工智人-家居设计-基于SVM的智能邮件过滤系统研究与实现.pdf

人工智人-家居设计-基于SVM热轧板形智能识别方法.pdf

lpq和dslbp特征融合的表情识别系统，基于svm分类器

支持向量机（support vector machines，SVM）是一种二分类模型，它将实例的特征向量映射为空间中的一些点，SVM 的目的就是想要画出一条线，以 “最好地” 区分这两类点，以至如果以后有了新的点，这条线也能做出很好的分类。SVM 适合中小型数据样本、非线性、高维的分类问题。 SVM 最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出，目前的版本（soft margin）是由 Corinna Cortes 和 Vapnik 在1993年提出，并在1995年发表。深度学习（2012）出现之前，SVM 被认为机器学习中近十几年来最成功，表现最好的算法。

基于SVM(支持向量机) 的人脸识别 matlab 代码 基于SVM(支持向量机) 的人脸识别 matlab 代码 基于SVM(支持向量机) 的人脸识别 matlab 代码

一组鸢尾花数据，每一行数据由 4 个特征值及一个目标值组成。4 个特征值分别为：萼片长度、萼片宽度、花瓣长度、花瓣宽度。目标值为三种不同类别的鸢尾，分别为：Iris Setosa、Iris Versicolour、Iris Virginica