自己编写的SVM支持向量机分类算法matlab仿真。不适用matlab工具箱，也不适用第三方工具箱。 case 'svc_c', C = p1; n = length(Y); H = (Y*Y').*kernel(ker,X,X); f = -ones(1,n); A = []; b = []; Aeq = Y'; beq = 0; lb = zeros(n,1); ub = C*ones(n,1); a0 = zeros(n,1); [a,fval,eXitflag,output,lambda]=quadprog(H,f,A,b,Aeq,beq,lb,ub,a0,options);

多输入多输出SVM，可以直接运行，不能使用私信留言

将一些向量转换为 Gram schmidt。

LSSVR回归,svr支持向量回归,matlab源码

使用emd和svm进行预测使用svm进行预测使用emd和svm进行预测使用svm进行预测使用emd和svm进行预测使用svm进行预测(Predicting with emd and svm Predicting with svm Predicting with emd and svm Predicting with svm Predicting with emd and svm Predicting with svm)

机器学习中的多示例包层次SVM分类算法 【核心代码】Bag_KI_SVM.m KI-SVM ├── Bag KI-SVM │ ├── Bag_KISVM_prediction.m │ ├── Bag_KI_SVM.m │ ├── Find_y.m │ ├── Find_y_linear.m │ ├── Max_Violated_y_set.m │ ├── Readme.htm │ ├── celltomatrix.m │ ├── genIndex.m │ └── normalization_gaussian.m ├── Instance KI-SVM │ ├── Find_y.m │ ├── Find_y_linear.m │ ├── Inst_KISVM_prediction.m │ ├── Inst_KI_SVM.m │ ├── Max_Violated_y_set.m │ ├── Readme.htm │ ├── celltomatrix.m │ ├── genIndex.m │ └── normalizat

使用matlab实现蜂群SVM，粒子群SVM，遗传算法SVM，数据包含有公共数据集，公共图像数据集，图像特征提取用了词袋，保证可用（公共图像数据集太大，删除了）

matlab源文件，对网络数据进行入侵检测，利用libsvm工具箱，对特征进行分类。内容包括：数据的归一化，参数择优（交叉验证），建立svm模型，性能评价。压缩包内有详细的说明文档。(matlab source files, network data for intrusion detection, to use libsvm toolbox, to classify the characteristics. The contents include: data normalization, parameters and selection of the best (cross-validation), the establishment of SVM model performance evaluation. Compressed within a detailed documentation.)

人工鱼群算法AFSA优化支持向量机SVM,提高故障分类精度。(Artificial fish algorithm AFSA optimization support vector machine SVM, improve the fault classification accuracy.)

首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，而目前依然是基于经验的办法解决。对此，本文采用粒子群优化算法对模型参数进行寻优，以测试集误差作为判决依据，实现模型参数的优化选择，使得预测精度有所提高。实际算例表明，本文的预测方法收敛性好、有较高的预测精度和较快的训练速度。