labview—Svm程序，可以进行故障分类

研究贝叶斯证据框架下标准支持向量机和最小二乘支持向量机的估计算法和建模方法, 给出一种高斯核支 持向量机估计算法的参数选择和调整方法. 将贝叶斯证据框架下支持向量机的建模方法应用于非线性系统的辨识, 仿真结果表明, 该方法对于工业过程建模是十分有效的.

支持向量机用于回归预测的源代码。

支持向量机 理论 算法与拓展-邓乃扬，田英杰著，清晰扫描版

针对湿式磨机在磨矿过程中负荷(ML)难以测量的特点,提出了一种基于核函数选择的多输出LSSVM磨机负荷软测量方法。引入能量熵的概念,借助超球体表示和核函数本身蕴涵的度量特征,提出基于样本分布能量熵的支持向量机核函数选择方法;利用LSSVM建立模型对多输入多输出磨机负荷进行软测量,且将据此测量的结果与BP神经网络测量结果进行了比较。仿真结果表明,借助样本分布能量熵选择LSSVM核函数,有助于SVM泛化能力和磨机负荷软测量准确率的提高。

鲸鱼算法源代码分享

粒子群优化支持向量机回归源代码

介绍了SVM的理论基础和它的多种主要算法及这些算法的利弊与发展现状，并介绍了SVM在现实生活中的应用原理及应用现状。最后分析了SVM在发展中的不足之处，指出了其研究方向及前景，并提出在分布式支持向量机这个方向上可以进行更深层次的研究。

支持向量机回归预测代码,亲测可用的代码

MLSSVR 多输出最小二乘支持向量回归机 1.简介 1.1。 描述 多元输出回归旨在学习从多元输入特征空间到多元输出空间的映射。 尽管它具有潜在的用途，但是最小二乘支持向量回归机（LS-SVR）的标准公式[1] [2]无法应对多输出情况。 通常的过程是训练多个独立的LS-SVR，从而忽略不同输出之间潜在的（潜在的）非线性交叉相关性。 为了解决这个问题，受多任务学习方法（如[3]）的启发，Xu等。 al。 [4]提出了一种新颖的方法，即多输出设置下的多输出LS-SVR（MLS-SVR）。 MLSSVR是MLS-SVR的MATLAB实现，在[4]中具有更有效的训练算法。 1.2。 新闻，评论和错误报告。 我们非常感谢您的任何建议，评论和错误报告。 1.3。 执照 MLSSVR是免费的MATLAB工具箱； 您可以根据自由软件基金会发布的GNU通用公共许可证的条款重新分发和/或修改它； 许