SVM的一个实例，对不同葡萄酒分类，有原始数据-Matlab code for SVM, classifing types of wine, with original data.

pso-SVM_PSO优化参数_psosvm_SVM优化matlab_svm优化_SVM_源码.zip

基于MATLAB下的支持向量机（SVM）GUI页面，可以实现分类和回归功能，并且里面有自己的详细说明，简单方面容易上手，并且还有相应的“libsvm-mat-2.89-3加强工具箱”和“libsvm-3.1-[FarutoUltimate3.1Mcode]”两种版本，可以实现SVM三种寻优方法 grid search、GA、PSO,童叟无欺。

该论文系列是我花钱购买的，里面详细讲述了基于SVM的web文本分类的关键技术，解决的问题和创新点，可以为广大学习文本分类的朋友提供很好的参考资料，也能为SVM的初学者建立一个宏观的框架概念，也能为做毕设或研究的提供很大的帮助。

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