文档很不错，算法都由详细的推导，很好的入门材料。

支持向量机二分类小例子，附代码！改进支持向量机 (support vector machine，SVM)的故障诊断方法，是将人工智能和机器学习最年轻的 理论——支持向量机用于故障诊断技术，能较充分地利用可测的过程数据，而不 依赖于精确的数学模型。

很好用的支持向量机实现多类分类Matlab程序

用MATLAB平台，使用支持向量机算法，实现对印章的提取和检测。

摘 要：频谱预测是认知无线电系统中的关键技术之一，利用该技术可以显著减少认知用户的能量损耗，同时提高系统的频谱利用率。针对现有基于BP神经网络的频谱预测方法预测精度低及失效率高等问题，将建立在统计学习理论和结构风险最小原则上的支持向量机引入认知无线电频谱预测中，利用其对小样本及非线性数据优越的预测性能对信道进行预测。实验结果表明，该方法通过避免无效检测，提高了频谱感知系统的性能，并且比基于BP神经网络算法的模型的预测精度更高，具有良好的实用性与灵活性。

初步了解支持向量机，支持向量机的入门程序，和用于肌电信号模式识别的入门程序。 初步了解支持向量机，支持向量机的入门程序，和用于肌电信号模式识别的入门程序。

RMS泰坦尼克号的沉没是历史上最臭名昭著的沉船之一。1912年4月15日，在首次航行期间，泰坦尼克号撞上冰山后沉没，2224名乘客和机组人员中有1502人遇难。这场轰动的悲剧震撼了国际社会，并导致了更好的船舶安全条例。 海难导致生命损失的原因之一是没有足够的救生艇给乘客和机组人员。虽然幸存下来的运气有一些因素，但一些人比其他人更有可能生存，比如妇女，儿童和上层阶级。

本科毕业论文 基于支持向量机（SVM）的蘑菇毒性检测系统 目 录 摘 要 II 关键词 II Abstract II Key Words II 1引言 1 1.1研究意义 1 1.2国内外研究情况 1 2支持向量机理论 3 2.1支持向量机基础理论 3 2.2 C-SVM算法及其变形算法 7 2.3 V-SVM算法 9 3 LIBSVM软件 12 3.1 LIBSVM软件简介 12 3.2 LIBSVM软件的使用方法 12 3.3 LIBSVM的工具包 15 4 Qt图形库 18 5 系统的设计与实现 19 5.1分类问题的提出及SVM分类原理 19 5.2支持向量机与蘑菇毒性分析相结合 21 5.2.1 蘑菇毒性检测系统总体框架 21 5.2.2 蘑菇物理属性的数据描述 21 5.2.3 蘑菇属性数据学习模型的建立 23 5.2.4 蘑菇毒性预测部分 26 6 总结 27 6.1 结论 27 6.2 下一步工作 28 参考文献 29 致 谢 30

支持向量机工具箱,内含demo程序,教你如何训练SVM和进行特征分类

本人最近在研究支持向量机，整理了一些文献，都是非常有价值的，所以大家分享