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

在fashion_mnist数据集上进行SVM的分类及调参

SVM骨灰级书籍。深度剖析SVM算法原理，中文版

PSO优化支持向量机的代码

SVM算法中最后求解拉格朗日乘子优化的SMO算法的C++实现版本

机器学习方法在股指期货预测中的应_省略_SVM和XGBoost的比较分析_黄卿.pdf

该模拟有助于理解空间矢量脉冲宽度调制。 我希望它对你很有帮助。 下面的链接解释了如何在 Simulink 模型中实现 SVM “ https://www.researchgate.net/publication/341965416_Implimentation_of_Space_Vector_Modulation_SVM_in_MATLAB_Simulink_-_Hand_outs ” 也下载这个文件（上面的链接），以便更好地理解 SVM。 如果有任何问题要理解请联系我（nest2020engg@gmail.com）gmail。 谢谢....

svm线性回归通用程序，matlab版的。帮助学习

matlab中rbf源代码支持向量机 在该存储库中，提供了一个MATLAB工具箱，以针对不平衡和多类型分类问题训练和测试基于支持向量机（SVM）的模型。 附加了两个分类技巧，即granularization和binary-tree以形成GBT-SVM模型。 有关该模型的详细信息，请参考我的。 工具箱的构造 文件夹中的代码和脚本可用于构建粒度SVM（GSVM）模型，该模型能够形成树结构分类器。 我在这里列出了名称和相应的注释。 方法 评论 getGranule 通过将主要类别拆分为子集或颗粒来生成平衡的数据集。 myCrossSVM 通过交叉验证和网格化训练SVM模型，内核是可选的。 myGSVM预测 使用训练有素的模型对新样品进行分类。 获取颗粒 为了获得平衡的数据集，您可以使用getGranule作为 >>> [DataGranules] = getGranule(data,label) 输出DataGranules是一个结构，形成为 数据粒度 MajIdx ：主要类别的标签 MinIdx ：次要类别的标签 GraNum ：颗粒数 MinData ：次要样本的数据和标签 MajDat