0积分下载，代码运行效果图见压缩包

【预测模型-SVM预测】基于SVM实现股票趋势预测matlab源码.zip

MATLAB案例：SVM神经网络的数据分类预测

完整代码，可直接运行

为提高基于EOG的眼动信号分类算法精度，改进基于EOG的人—机交互系统性能，提出了一种基于曲线拟合（curve fitting）与支持向量机（SVM）的眼动信号分类算法（CF-SVM），并设计了新的实验范式，增加了“扫视保持”环节。该算法采用曲线拟合方法进行特征提取，在此基础上，使用SVM分类器对眼动信号进行分类。实验室环境下，对9名眼部活动正常的受试者进行了眼动数据采集与识别，CF-SVM算法的平均分类准确率达到98.3%，与其他几种眼动识别方法相比较，其平均正确率分别提升了9.4%、5.9%、1.0%。实验结果表明，CF-SVM算法在眼动信号识别中表现了良好的性能，具有高的分类精度和鲁棒性。

完整代码，可直接运行

Java实现浏览器CA证书的签名和验证，提高java应用的安全

支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane） SVM使用铰链损失函数（hinge loss）计算经验风险（empirical risk）并在求解系统中加入了正则化项以优化结构风险（structural risk），是一个具有稀疏性和稳健性的分类器。SVM可以通过核方法（kernel method）进行非线性分类，是常见

包括背景去除 手型提取 用不变矩方法描述手型 SVM样本训练与手势识别

信用卡欺诈问题概述实现过程SVM介绍数据源下载代码实现代码解释总结 概述 初衷是因为引用卡欺诈问题相对与其他机器学习问题略有不同，因为二分类数据量差距过大，导致以往的评价方法对其不适用，如下图的284807 笔交易中只有492笔是欺诈行为，如果用以为的准确率评价几乎都在99%以上，但是这并不能说明模型好，因为即使漏掉1个欺诈交易都是损失很大的，所以这篇里引入了召回率和精确率，进行综合评价，详细步骤如下： 对数据源中不比较的字段进行删减，对数值型数据进行规范化，因为没有测试集数据，所以进行数据划分。 数据建模使用的是LinearSVR，因为LinearSVC 对线性分类做了优化，对于数据量大的线