本文详尽解答了高等代数简明教程蓝以中2.1m维向量空间的基础知识的课后习题，对经典例题的解法也做了记录，主要是网上没有系统的做出总结和分析，因此我整理解决后统一发布，对数学思考有益。

这是数据挖掘算法的Java实现，正在学习数据挖掘的同学可以参照这些算法对照书本学习。

机器学习-支持向量机（复习笔记）.pdf

粒子群优化最小二乘支持向量机 粒子群优化最小二乘支持向量机

机器学习主要是用来分析处理数据，挖掘数据背后所潜在的相关信息. 大数 据时代，如何准确快速地挖掘信息背后的关系已成为热点. 支持向量机是由 Vapnik 等人提出的一项用于数据挖掘的新技术，主要用于模式识别、回归分析等 方面. 支持向量机的优点在于算法具有稀疏性，运算结果只受一部分样本的影 响，抗干扰能力强. 此外，通过加入正则项，支持向量机还能防止了“过拟合”.

梯度下降法是机器学习算法更新模型参数的常用的方法之一。 相关概念 梯度 : 表示某一函数在一点处变化率最快的方向向量(可理解为这点的导数/偏导数) 样本 : 实际观测到的数据集，包括输入和输出(本文的样本数量用 m 表述,元素下标 i 表示) 特征 : 样本的输入(本文的特征数量用 n 表示,元素下标 j 表示) 假设函数 : 用来拟合样本的函数，记为 $ h_θ(X) (θ 为参数向量, X 为特征向量)$ 代价函数 : 用于评估模型拟合的程度，训练的目标是最小化代价函数，记为 J(θ)J(θ)J(θ) 通过代价函数使得假设函数更好的拟合给定数据 线性假设函数 : $ h_θ(X) = θ_

Java平台上的距离向量路由协议的模拟程序。提供给定的配置文件（ConfigA.txt，包含相邻路由的端口号和距离）时，自动计算出网络中到达各个路由的距离。当路由挂起或关闭时，其它路由可以检测到路由点的消失并重新计算距离

自己学习ＳＶＭ支持向量机的学习笔记，对我自己用处比较大，对你们不知道大不大

基于支持向量机的图像识别

【预测模型】基于灰狼算法优化支持向量机SVM实现分类matlab源码.zip