通过使用lssvm对葡萄酒数据集进行分类然后使用lssvm工具箱，哈哈。1) 同样是对原始对偶问题进行求解，但是通过求解一个线性方程组（优化目标中的线性约束导致的）来代替SVM中的QP问题（简化求解过程），对于高维输入空间中的分类以及回归任务同样适用；   2) 实质上是求解线性矩阵方程的过程，与高斯过程（Gaussian processes），正则化网络（regularization networks）和费雪判别分析（Fisher discriminant analysis）的核版本相结合；   3) 使用了稀疏近似（用来克服使用该算法时的弊端）与稳健回归（稳健统计）；   4) 使用了贝叶斯推断（Bayesian inference）；   5) 可以拓展到非监督学习中：核主成分分析（kernel PCA）或密度聚类；   6) 可以拓展到递归神经网络中。

最小二乘支持向量机(LSSVM)matlab相关代码 最小二乘支持向量机(LSSVM)matlab相关代码

负荷预测基于最小二乘支持向量机lssvm，自己写的，原始数据也是自己的

经过多个核函数映射后的高维空间是由多个特征空间组合而成的组合空间，而显然组合空间可以组合各个子空间不同的特征映射能力，能够将异构数据中的不同特征分量分别通过最合适的单个核函数进行映射，最终使得数据在新的组合空间中能够得到更加准确、合理的表达，进而提高样本数据的分类正确率或预测精度。

最新版LSSVM工具箱，适合matlab使用。并且中文使用说明详细介绍了各种函数的使用方法，方便理解

LSSVM实例代码，

用于Matlab的svm工具箱，1.6版本

参考用PSO优化LSSVM解决回归问题，本程序在此基础上用PSO优化LSSVM解决多分类的问题，通过PSO对LSSVM的两个参数进行寻优。程序使用了LSSVM的工具箱，并参考工具箱的说明书使用了三个函数，先对多分类的标签进行处理，然后训练得到分类模型，用模型对测试数据进行分类。

基于OpenCV和LSSVM的数字仪表读数自动识别，这个比较经典，分享一下

基于EEMD_IPSO_LSSVM的交通流组合预测模型