libsvm试验数据及参数说明，试验数据只针对libsvm适用，数据为heart_scale.mat

MATLAB实现SVM(支持向量机)时间序列预测数据集

为解决手工选煤、湿法选煤中存在的效率低下、劳动强度大、水资源耗费、环境污染等诸多问题。研究了基于机器视觉的煤矸识别方法，在实验室中搭建了试验平台，开发了MFC软件应用平台，实现了煤矸实时识别；选取山西西山、内蒙古和陕西神木的煤和矸石作为样本，建立了样本图像库；取420张图像作为实验样本，提取样本的灰度均值、峰值灰度、能量、熵、对比度、逆差矩6个特征进行统计和分析；采用粒子群优化算法(PSO)对支持向量机(SVM)的进行优化，并对分类器进行训练和分类测试。对特征分析的结果表明，灰度特征比为纹理特征具有更好的区分度；PSO-SVM分类器测试中，以灰度、纹理、组合特征作为输入时，其识别准确率分别为95.83%、72.92%、93.75%，结果表明以灰度特征作为输入识别效果最好。

关于分类的参考文献。。。

function [Alpha1,Alpha2,Alpha,Flag,B]=SVMNR(X,Y,Epsilon,C,D) % ChengAihua,PLA Information Engineering University,ZhengZhou,China % Email:aihuacheng@gmail.com % All rights reserved %本程序使用支持向量机法，实现对数据的非线性回归 %输入参数列表 % X 输入样本,n×l的矩阵，n为变量个数，l为样本个数 % Y 输出样本,1×l的矩阵，l为样本个数 % Epsilon ε不敏感损失函数的参数，Epsilon越大，支持向量越少 % C 惩罚系数，C过大或过小，泛化能力变差 % 注意：核函数的设定和修改在函数内部进行，数据预处理在函数外部进行 %输出参数列表 % Alpha1 α系数 % Alpha2 α*系数 % Alpha 支持向量的加权系数（α－α*）向量 % Flag 1×l标记，0对应非支持向量，1对应边界支持向量，2对应标准支持向量 % B 回归方程中的常数项

BayesianSVM：Wenzel等人在论文中描述的贝叶斯SVM的源代码。 “大数据的贝叶斯非线性支持向量机”

模拟退火、神经网络、动态规划、时间序列分析、支持向量机等优化统计算法的matlab实现，部分算法使用lingo软件编写（如排队论，比matlab程序简洁很多）

LibSVM（支持向量机工具包）是林智仁教授组织开发的，功能齐全，易于调用。同时，该资源免费增送《MATLAB-LIBSVM安装及测试过程》文档，方便大家学习使用！

支持向量机非线性回归通用MATLAB源码，希望对大家有用

基于支持向量机和BP网络的模型预测svm.m