结合《统计学习方法》以及一些资料，写出自己对SVM算法的理解，并且用Python+Numpy实现了SMO算法

本程序是参考了 http://research.microsoft.com/en-us/um/people/jplatt/smoTR.pdf及多个博客完成， 数据验证正确，实验结果直观。

wasindoor 冰泉室内定位，一种基于wifi和地磁信号的室内定位解决方案，集成svm和knn等算法。 github地址： 本项目分为6个目录: 1、doc 这里存放项目用到的设计文档、接口文档等。 2、output 这里存放当前主干编译出来的可执行jar包,方便直接使用。 3、wascore 这里存放项目的核心类和工具，抽象层次最高。 4、wasindoor 这里存放室内定位算法的算法实现，以及提供对外的统一的定位支持接口。 5、wasserver 这里存放室内解决方案的接口框架实现，是整个项目的业务核心。 6、wasservice 这里存放室内解决方案的业务接口代码，具体实现的业务可参考doc内接口描述。 本项目已经存在ios客户端版本，可用于室内定位和室内逛商家店铺，可用于简单的聊天互动，但是鉴于ios非本人开发，所以暂时未开源， 有兴趣的朋友可在基础上补充ios、安卓、pc版本

Traffic_sign_recognition：使用定向梯度直方图（HOG）和基于色域的功能识别交通标志。 支持向量机（SVM）用于对图像进行分类

在Bagging支持向量机（SVM）的基础上，将动态分类器集选择技术用于SVM的集成学习，研究了SVM动态集成在高光谱遥感图像分类中的应用。结合高光谱数据特性，通过随机选取特征子空间和反馈学习改进了Bagging SVM方法；通过引进加性复合距离改善了K近邻局部空间的计算方法；通过将错分的训练样本添加到验证集增强了验证集样本的代表性。实验结果表明，与单个优化的SVM和其他常见的SVM集成方法相比，改进后的SVM动态集成分类精度最高，能有效地提高高光谱遥感图像的分类精度。

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，本文是 OpenCV的简单SVM例程

支持向量机SVM的matlab代码

运行环境：win10 64位 py 3.6 pycharm 2018.1.1 导入对应的包和数据 import matplotlib.pyplot as plt import numpy as np from sklearn import datasets,linear_model,cross_validation,svm def load_data_regression(): diabetes = datasets.load_diabetes() return cross_validation.train_test_split(diabetes,diabetes.target,te

这个是SMO算法的完整实现的java代码

matlab曲线的颜色代码杂质查找器 用两种不同的方法（颜色直方图+ SVM或XGBoost）检测烟酒中杂质的软件实现。 作者：朱邦华， 陈丽人 宋金慧 介绍 ImpurityFinder是一种基于图像处理算法的解决方案，用于检测烟草中的杂质。 这是清华大学“统计信号处理”课程的项目之一。 请注意，为了运行我们的算法，您只需要下载测试文件夹。 火车文件夹可能由于图像分割而变大。 轻松入门： 安装所有依赖项后，可以直接进入测试文件夹并运行process_svm.sh或process_xgboost.sh。 管道和详细信息 在这里，我们提供了两个ImpurityFinder软件包。 在training文件夹中，我们提供了用于培训的所有源代码。 在测试文件夹中，提供了我们训练有素的分类器，以将烟草图像作为输入，并提供经过处理的图像作为输出。 依存关系 MATLAB R2015b（也可以在其他版本上运行，但仅对MATLAB R2015b进行了测试。） Python 2.7 适用于Python的OpenCV库（主页：安装指南：） 以下python包是必需的： 麻木 科学的 斯克莱恩 skimag