作者: 王文剑 / 门昌骞 出版社: 科学出版社 出版年: 2014-3-1 页数: 276 装帧: 平装 ISBN: 9787030401670 基于统计学习理论的支持向量机是机器学习研究的一个热点方向，在许多领域中有着广泛的应用。《智能科学技术著作丛书：支持向量机建模及应用》是一部研究支持向量机学习的理论、方法及应用的专著。在支持向量机学习框架下，通过融合新的理论和机器学习研究成果，系统阐述了支持向量机的建模方法，探索了解决支持向量机的模型选择、效率加速、泛化能力提高、应用范围拓展等问题的新途径。全书共分八章，第一章对支持向量机基本方法进行了简介，第二章主要介绍所建立的支持向量机模型选择的理论与方法，第三至六章分别介绍了基于领域知识融合的支持向量机建模、基于粒度计算的支持向量机建模、基于半监督学习的支持向量机建模和基于集成学习的支持向量机建模方法，第七章是对大规模数据的支持向量机处理方法，第八章介绍了书中以支持向量机为核心的建模方法在一些典型领域中的应用。《智能科学技术著作丛书：支持向量机建模及应用》可供计算机、自动化及相关专业机器学习领域的研究人员、教师、研究生和工程技术人员参考。

负荷预测算法 使用多种算法（线性回归，随机森林，支持向量机，BP神经网络，GRU，LSTM）进行电力系统负荷预测/电力预测。通过一个简单的例子。各种算法（线性回归，随机森林，支持向量机，BP神经网络，GRU，LSTM）用于电力系统负荷预测/电力预测。

SVM支持向量机和逻辑回归进行心音信号简单二分类-附件资源

本次实验为使用LS-SVM预测，注意使用的为最小二乘方法，谢谢大家使用！另：本次实验为回归预测

是我的毕业设计 基于python SVM实现对手写数字的识别 代码完整 注解详细，适合新手学习参考。有可视化的手写框 下载后如果需要帮助，可以联系我。

基于支持向量机和卡尔曼滤波的机械零件剩余寿命预测模型研究

为了解决视频烟雾检测中特征提取难度较大、复杂度较高的问题,提出一种基于潜在语义(Latent Semantic Analysis,LSA)特征和支持向量机(Support Vector Machine,SVM)的烟雾检测算法。该算法首先将烟雾图像库中的每幅图像进行有重叠分块,提取每个分块的小波纹理与HSV颜色特征;再对所有分块特征进行聚类,量化成"视觉字",并且根据每个"视觉字"在每幅烟雾图像中出现的频率,建立"词-文档"矩阵;然后,采用LSA的方法获得每幅烟雾图像的潜在语义特征;最后,结合SVM,实现视频烟雾检测。对比实验表明,该算法特征提取简便,可以更快检测烟雾的发生,提高了烟雾检测效率。

使用MATLAB工具箱 libsvm实现了对葡萄酒的多分类 有完整的过程 简单修改就可以用 注释详细

本文介绍了python 支持向量机非线性回归SVR模型，废话不多说，具体如下： import numpy as np import matplotlib.pyplot as plt from sklearn import datasets, linear_model,svm from sklearn.model_selection import train_test_split def load_data_regression(): ''' 加载用于回归问题的数据集 ''' diabetes = datasets.load_diabetes() #使用 scikit-lear

澳大利亚预测明天是否会下雨，kaggle下载的原数据集，但在博客文章向量机专题04中在15w行的数据集中随机抽样5000个样本进行演示