支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的的学习策略就是间隔最大化，可形式化为一个求解凸二次规划的问题，也等价于正则化的合页损失函数的最小化问题。SVM的的学习算法就是求解凸二次规划的最优化算法。

提供的 MATLAB 函数可用于使用基于树状图的支持向量机 (D-SVM) 对数据集进行训练和执行多类分类。 两个主要功能是： Train_DSVM：这是用于训练的函数Classify_DSVM：这是用于 D-SVM 分类的函数示例：使用fisheriris 数据进行训练和分类加载fisheriris train_label={zeros(30,1),ones(30,1),2*ones(30,1)}; train_cell={meas(1:30,:),meas(51:80,:),meas(101:130,:)}; [svmstruct] = Train_DSVM(train_cell,train_label); 标签=[0 1 2]; test_mat=[meas(31:40,:);meas(81:90,:);meas(131:140,:)]; [Class_test] = Classif

尼德斯 支持向量机（SVM）和Navie Bayesian分类的网络入侵检测系统。 使用的语言：Python 2.7.6

利用matlab里自带的HOG函数进行指纹活性检测

遗传算法优化支持向量机PYTHON SVM是一种监督式的学习方法，用统计风险最小化的原则来估计一个分类的超平面

一篇非常不错的SVM方面的技术报告，by Steve R.Gunn

基于opencv的SVM与BoW的图片分类，适合入门学习，亲测可用

支持向量机完整版（SVM）可以用来进行设别训练-Full version of support vector machine (SVM) can be used to set up other training

为了准确地建立拱顶温度预测模型，提出了四种优化最小二乘支持向量机算法，分别是基于粒子群算法优化算法、基于遗传算法优化算法、基于鲸鱼算法优化算法、基于冯诺依曼拓扑结构的鲸鱼算法优化算法。

利用支持向量机算法进行手写字体识别利用支持向量机算法进行手写字体识别。。。。。。