博客链接：https://blog.csdn.net/qq_44186838/article/details/118054911 主要功能：数据清洗、文本特征提取、建立模型，评估模型，情感分类

平面向量基本定理.pdf

多分类支持向量机的一种实现，直接构造多分类优化函数，比一对一、一对多等实现方法，可能更复杂，但分类结果应该更好点。压缩包里包括C源代码和编译好的可执行文件。我这里还有作者配套的论文，需要的请联系，可以一起学习讨论，呵呵

SVM支持向量机Python代码，更改训练数据集和测试数据集可用

SVM编程（内含数据集） 您需要使用课程中介绍的随机梯度下降法来实现一个版本的软边距支持向量机。您将在给定的数据集（从课程网站下载）上运行代码，然后对测试数据集进行预测。衡量你得分的标准是你在测试数据集上的准确性。（提示：由于测试数据集中没有给定的标签，因此需要从训练集中创建验证数据集以优化参数）。

用word2vec的方法做词向量...........................................................................................................................

这个想法是在一些数据示例中更加强调与其他人通过给予更多的权重。 例如，我们可以给予较低的权重异常值。 编写此函数的动机是计算百分位数对于一些模拟非常糟糕的蒙特卡罗模拟（就模拟值和实际值之间的拟合优度）比其他值和根据一些拟合优度标准给出较低的权重。 用法： y = WPRCTILE(X,p) % 这与PRCTILE相同y = WPRCTILE(X,p,w) y = WPRCTILE(X,p,w,type) 输入： X - 样本数据的向量或矩阵p - 标量或百分比值介于 0 和 100 之间的向量 w - 样本数据的正权重向量。 w 的长度必须等于 X 的行数或列数。如果权重相等，则 WPRCTILE 与 PRCTILE 相同。 type - 4 到 9 之间的整数，选择 6 种分位数算法之一。 输出： y - X 中值的百分位数当 X 是向量时，y 与 p 的大小相同，并且 y(i)

GVF snake的C++实现，开发环境为VC6.0,OpenCV。大部分代码都为本地代码。代码依据GVF原始论文以及其demo编写。

提出一种基于电流信号频谱分析和支持向量机(SVM)的矿用感应电机早期故障诊断方法。对定子电流采样后,经FFT变换后提取故障特征量作为支持向量机的输入,基于1对1算法和混合矩阵组合策略构造了多故障SVM分类,对不同类型的故障进行诊断和分类。实验结果表明,该方法能够有效解决电机故障诊断中小样本集、非线性、高维数时的故障分类问题,提高电机故障诊断的准确性。

论文研究-基于支持向量机的客户流失预测模型.pdf,