结合自己编matlab 程序，还有在实际操作中的应用，最全的matlab的svm程序

提出了一种神经网络的SVM(支持向量机)呼吸音识别算法，将通过小波分析得到的呼吸音特征输入神经网络，作为SVM方法的特征输入，对训练样本进行训练，再对测试样本进行分类识别。对于呼吸音反映的3种状态（正常、轻度病变和重度病变）进行了识别，同时与K最近邻(KNN)方法进行比较。实验结果表明，SVM方法具有较高的识别精度，能够对呼吸音状态进行识别，同时在此领域也验证了在神经网络方法中无法避免的局部极值问题。提示基于 SVM 方法的神经网络呼吸音识别算法有较好的精度，可为身体局域网技术提供信息处理的有效算法。

这个包使用前向自动微分来计算提供的用户函数的一阶和二阶导数。 比它快25-30倍市售软件包（2006 年 6 月）。 要计算函数 myFunc 相对于 x 在 x=x0 处的导数，您可以调用 x = myAD(x0); 结果 = myFunc(x); functionValue = getvalues（result）; 导数= getderivs（结果）;

self complement of Sentence Similarity compute based on cilin, hownet, simhash, wordvector,vsm models，基于同义词词林，知网，指纹，字词向量，向量空间模型的句子相似度计算。

svm-gpu 适用于带GPU的多类支持向量机（SVM）库。 这是一种快速且可靠的分类算法，在有限的数据量下性能很好。 支持向量机 ： 支持向量机是有监督的学习模型，可以分析数据并识别模式。 一个特殊的特性是，它们同时最小化了经验分类误差并最大化了几何余量。 因此，它们也被称为最大余量分类器。 支持向量机的优点是： 在高维空间有效。 在维数大于样本数的情况下仍然有效。 在决策函数中使用训练点的子集（称为支持向量），因此它也可以提高存储效率。 多功能：可以为决策功能指定不同的内核功能。 提供了通用内核，但是也可以指定自定义内核。 与神经网络相比，在有限数量的样本（数千个样本）中实现了更高的速度和更好的性能 支持向量机的缺点包括： 如果特征数量远大于样本数量，则在选择内核函数时应避免过度拟合，并且正则化项至关重要。 SVM不直接提供概率估计，而是使用昂贵的五重交叉验证来计

为了进一步提高支持向量机分类的准确性和泛化能力，提出一种基于支持向量机的改进二叉树分类算法.首先介绍支持向量机的基本原理，总结了常见的多分类器分类算法及其特点，结合现有分类算法的优点，为分类器引入了不同的权值，提出二叉树改进分类算法，有效避免了常用分类算法不足.通过仿真实验，与典型的多类分类算法对比，验证该算法的有效性，为多类分类预测研究提供了一条有效的途径.

采用matlab自带的quadprog（）函数对支持向量机模型进行求解。整个文件夹包含测试用数据集，可运行。

可以获得GPS网的经典解、伪逆解、约束解、自动搜索网的最小独立闭合环并计算其闭合差。

stepfunc 生成阶跃函数信号和时间向量，其中 x 等于 0 时 n 0。与 heaviside 不同，x 等于 0 而不是 n = 0 时的 0.5。 数学公式：x(n) = u(n-n0)； n1 <= n,n0 <= n2

用matlab根据Hough变换和SVM做足球场地图像禁区检测, 这个是工程文件，内有程序运行步骤和说明文档 程序文档摘要 实现函数：function [mean]=acquiremean(w) 实现功能：计算并返回输入图像主色值。 实现函数：function Q=maincolour(I) 实现功能：计算并返回输入图像主色率 实现函数:function Q=yuchuli(I) 实现功能:提取禁区候选图中场地区域 实现函数:function lines=line_extract(I_ORG) 实现功能:对输入真彩图像进行直线提取 训练SVM [xsup_si,w_si,w0_si,pos_si,tps_si,alpha_si] = svmclass(Xapp,yapp,C,lambda,kernel,kerneloption,1); 测试 [Xtest]=normalizemeanstd(Xtest); xpred = svmval(Xtest,xsup_si,w_si,w0_si,kernel,kerneloption,1);