支持向量机的实现代码，用c语言编写，有源码和例子，是学习模式识别的难得的资源 支持向量机的实现代码，用c语言编写，有源码和例子，是学习模式识别的难得的资源

输入数据描述：轴承故障数据，故障有十类，利用滑动窗口进行数据采样，一个样本大小为1024，每类故障有1000个样本，总共10000个样本，输入数据形式为10000x1024，相当于1024个变量，标签采用one-hot编码， 参数调整：gamma：惩罚参数（自己调参），kernel：核函数（自己选择） sigma：核函数宽度（自己调参）

人脸图像数据集 olivetti_py3.pkz，该数据集一共有 400 张人脸图片，每张图片的大小是：64x64，每张图片作为一个样本，一共有 400 个样本，每个样本的特征维度是：64x64 = 4096；400 张图片一共包含 40 个不同的人，每个人有 10 张人脸图片

 文中在研究现有先验知识与支持向量机融合的基础上，针对置信度函数凭经验给出的不足，提出了一种确定置信度函数方法，更好地进行分类。该方法是建立在模糊系统理论的基础上：将样本的紧密度信息作为先验知识应用于支持向量机的构造中，在确定样本的置信度时，不仅考虑了样本到所在类中心之间的距离，还考虑样本与类中其它样本之间的关系，通过模糊连接度将支持向量与含噪声样本进行区分。文中将基于先验知识的支持向量机应用于医学图像分割，以加拿大麦吉尔大学的brainWeb模拟脑部数据库提供的不同噪声的图像进行实验，实验结果表明采用基于先验知识的支持向量机比传统支持向量机具有更好的抗噪性能及分类能力。

笔迹鉴别是通过分析手写笔迹信息来判断书写者身份的特征分析技术，为提高笔迹鉴别的科学性和准确性，设计了基于ARM嵌入式系统的文本独立（Text-independent）笔迹鉴别系统。系统包括笔迹采集端、数据传输部分和上位机处理端3个部分。首先给出了总体设计和详细的工作流程，并对笔迹信息采集模块和数据传输部分进行分析，最后结合笔迹图像预处理技术和纹理特征分析方法，采用基于多维度Gabor变换和支持向量机（Support Vector Machines，SVM）方法进行实时笔迹鉴别。实验表明，系统鉴别率高，达到了良好的预期效果。

监督学习包括线性模型、决策树模型、贝叶斯模型、支持向量机

基于提高红外图像行人检测准确率的目的，提出了一种基于多特征的红外行人检测算法。首先提取训练样本的梯度方向直方图特征和强度自相似性特征，利用二者相结合得到联合特征训练支持向量机（SVM），之后利用滑动窗口法対整幅红外图像进行遍历，用训练好的SVM进行分类检测。在LSI Far Infrared Pedestrian Dataset数据库上实验证明，基于多特征的检测方法相较于单一特征的方法提高了红外行人检测的精度，降低了误检率和漏检率。

为解决低速率声码器合成语音中，由于语音帧清浊判决不够准确而造成的偶发性嘶哑、机器音较重及变调等问题，提出一种基于支持向量机（Support Vector Machine，SVM）并结合多种语音特征参数的清浊音判决优化算法。实验结果显示，该算法能够有效降低清浊音的误判率，进而使合成语音的清晰度和自然度得到改善。将本算法应用到正弦激励线性预测算法中，在与相同码率的其他算法的比较实验中，得到较高的PESQ-MOS分，显示出一定的优势。

本文主要针对旋转机械的故障诊断问题，设计了基于LabVIEW的旋转机械振动测试系统，该系统通过软件编程来实现振动信号的存储、分析及特征提取，并且提出了基于支持向量机的智能故障诊断方法，该方法将特征向量直接输入到支持向量机分类器中进行故障识别，结果表明支持向量机对于机械故障有较好的分类效果。

LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数可以解决很多问题；并提供了交互检验(Cross Validation)的功能。该软件可以解决C-SVM、ν-SVM、ε-SVR和ν-SVR等问题，包括基于一对一算法的多类模式识别问题。