[英语] 该演示展示了如何使用一类 SVM 检测裂纹图像。 在异常检测中，正常图像可以得到很多，而异常图像不是经常得到的； 我们无法获得足够数量的异常数据训练图像。 在这种情况下，分类器仅使用正常图像进行训练，当模式与其学习的模式不同时，会检测到异常图像。 如果有足够数量的异常图像可用，则可以使用深度学习区分裂纹/正常图像。 对于演示，请检查此文件（ https://jp.mathworks.com/matlabcentral/fileexchange/75418-classify-crack-image-using-deep-learning-and-explain-why ）。 在这个演示中，我们使用了 L Zhang [1] 介绍的混凝土裂缝图像数据集。 数据可在 [2] 处获得。 此代码的一部分是从位于此处 [3] 的深度学习评估工具包中获得的。 [日本人]このデモでは、１クラ

基于pca的人脸识别算法实现.zip

基于PCA的人脸识别研究.rar

用Matlab实现主成分分析(PCA)算法(带论文).rar

用matalab实现的是图像的二分类，hog用于图像的特征提取，svm表示的是对特征的分类。

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.)