用jacobi法编写的求解实对称矩阵的特征值和特征向量，附代码注释

向量自回归(VAR)和向量误差修正模型(VEC) 这是把第 j 个扰动项对第 i 个变量从无限过去到现在时点的影响用方差加以评价的结果此处还假定扰动项向量的协方差矩阵 ? 是对角矩阵则 yi 的方差是上述方差的 k 项简单和 j = 1, 2, , k (9.5.2) i = 1, 2, , k (9.5.3) 向量自回归(VAR)和向量误差修正模型(VEC) yi 的方差可以分解成 k 种不相关

从UCI上下载的iris数据集，经过处理可以用于svm。格式如下： 0 1:5.1 2:3.5 3:1.4 4:0.2 0 1:4.9 2:3.0 3:1.4 4:0.2 0 1:4.7 2:3.2 3:1.3 4:0.2 0 1:4.6 2:3.1 3:1.5 4:0.2 0 1:5.0 2:3.6 3:1.4 4:0.2 0 1:5.4 2:3.9 3:1.7 4:0.4

此代码将找出二维数据集的决策边界。 文件包含多个支持函数，主程序是 DecisionBoundary_SVMs.m 示例集包含线性和非线性数据集，使用带有 RGF 核的 SVM，我们将找出数据集的决策边界。

基于机器学习的智能孤岛检测方法能有效地提高防孤岛保护的性能，但现有方法皆采用离线学习方案，对配电网因运行条件变化而导致的概念漂移现象缺乏自适应性。提出了一种具有在线增量学习能力的孤岛检测方法。首先，提出利用保护自采数据以及数据采集与监视控制(SCADA)系统采集的开关状态构成原始样本，并基于增量聚类方法进行样本筛选，实现有效样本的在线积累；然后，以各子样本集对系统最新状况的分类性能作为竞争准则，提出了一种样本集的优选方法，并利用加权支持向量机完成了增量学习。仿真结果表明，所提方法能够自主探测概念漂移的发生并进行持续的学习，有效地提高了孤岛检测的准确性和自适应性。

LVQ神经网络由输入层、隐含层和输出层三层组成，输入层与隐含层间为完全连接，每个输出层神经元与隐含层的神经元的不同组相连接，每个隐含层神经元只能和一个输出层神经元连接，但每个输出层神经元可以连接多个隐含层神经元。隐含层和输出层神经元之间的连接权值固定为1。

肯纳德·斯通·马哈拉诺比斯 由于Tensorflow Kennard-Stone算法使用欧式距离，因此在处理变量之间相关性未知的大向量空间时，需要适应性，这可能会改善许多神经网络的性能。

半监督支持向量机概述

提出了一种基于数字信号处理器(DSP)和支持向量机(SVM)的风电齿轮箱故障诊断的方法。分解和提取了Libsvm代码移植于DSP芯片TMS320F28335,实现了支持向量机并应用于风电齿轮箱故障诊断。该方法较好地解决了小样本学习问题,同时又具有低功耗、低成本、通用性强和可实时控制的优点。实验结果表明,在保证较高预测正确率、运行速度较快和较大数据量读取前提下,Libsvm能够正确运行于芯片,有效应用于齿轮箱故障诊断。

SVM实现的C代码 程序用C写成，可再matlab中调用