利用带双步位移的QR分解法，求矩阵的全部特征值和特征向量，利用到拟三角化，反幂法，在VC中调试通过

支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断

准确及时的每月降雨量预报是水文研究等科学界面临的主要挑战，例如河流管理项目和洪水预警系统的设计。 支持向量回归（SVR）是一个非常有用的降水预测模型。 本文提出了一种新的并行协同进化算法，基于遗传算法和粒子群优化算法SVRGAPSO的并行协同进化，可以确定SVR在降雨预测中的合适参数，用于月降水预测。 并行协同进化算法的框架是同时迭代两个GA和PSO种群，这是GA和PSO种群之间进行信息交换以克服过早的局部最优的一种机制。 我们的方法采用混合PSO和GA，通过并行协同发展来获得SVR的最佳参数。 所提出的技术可用于降雨预报，以测试其概括能力并与几种竞争技术进行比较评估，例如其他替代方法，即SVRPSO（带PSO的SVR），SVRGA（带GA的SVR）和SVR模型。 实证结果表明，SVRGAPSO结果具有较好的泛化能力，在降雨预报中具有最低的预测误差值。 SVRGAPSO可以显着提高降雨预报的准确性。 因此，SVRGAPSO模型是降雨预报的有希望的替代方法。

SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。

设计思想：用带双步位移的QR分解法求矩阵A（10*10）的全部特征值。在计算出A的基础上，先利用Householder矩阵对矩阵A作相似变换，把A化为拟上三角矩阵A(n-1)，然后进行带双步位移的QR分解（其中Mk的QR分解可调用子程序），通过调用一元二次方程的根解二阶块矩阵的特征值，最后计算出A(n-1)的特征值，即为A的特征值，然后对实特征值利用列主元高斯消元法求解其对应的特征向量。

【lssvm预测】基于飞蛾扑火算法改进的最小二乘支持向量机lssvm预测matlab源码

详细的介绍了SVM分类算法，从数学推导过程到代买实现，文档内容均来自csdn博客整理

这是keras建立对话机器人的词向量，不局限于机器人对话，也可以做其他开发使用，可以将词转化为向量。大家可以参考，开发自己的各种模型。

深入浅出讲解SVM的原理和应用，有点类似于傻瓜式的教学方法，个人觉得很有帮助。 SVM入门（一）SVM的八股简介 SVM入门（二）线性分类器Part 1 SVM入门（三）线性分类器Part 2 SVM入门（四）线性分类器的求解——问题的描述Part1 SVM入门（五）线性分类器的求解——问题的描述Part2 SVM入门（六）线性分类器的求解——问题的转化，直观角度 SVM入门（七）为何需要核函数 SVM入门（八）松弛变量。 SVM入门（九）松弛变量（续）。 SVM入门（十）将SVM用于多类分类。

word2vec介绍 word2vec官网：https://code.google.com/p/word2vec/ word2vec是google的一个开源工具，能够根据输入的词的集合计算出词与词之间的距离。 它将term转换成向量形式，可以把对文本内容的处理简化为向量空间中的向量运算，计算出向量空间上的相似度，来表示文本语义上的相似度。 word2vec计算的是余弦值，距离范围为0-1之间，值越大代表两个词关联度越高。 词向量：用Distributed Representation表示词，通常也被称为“Word Representation”或“Word Embedding