用matlab实现的fsvm（模糊支持向量机算法），每个训练样本多加了模糊丽都标签。

为了更好的对航空发动机整机振动进行故障诊断和识别，提出了改良的FSVM隶属度和多类隶属度与信息熵的融合定量分析方法，并且和传统的FSVM隶属度分析方法进行比较。对传统的FSVM的模糊隶属度函数改良后建立了多类模糊隶属度计算模型。通过实验实例验证了该多类模糊隶属度与信息熵相结合的技术对于航空发动机整机振动状态评估和故障诊断识别非常有效，计算出振动故障模式与故障原因之间的权值，建立了一个多参数的发动机振动状态分析模型；并对各类振动原因对发动机整体状态的影响进行定量分析，为发动机的振动抑制提供量化参考指标。

图像矩阵matlab代码FSVM 线性和内核FSVM算法的Matlab实现。 数据集 这些代码以“乳房”为例。 修改UCI_Linear_FSVM.m和UCI_Kernel_FSVM.m中的setname变量以评估其他数据集。 （UCI数据集：） 首先应将数据随机分为训练和测试数据（您可以设置大于10的分割数）。 （请参阅“乳腺癌”数据集） 请注意原始数据的预处理。 一些UCI数据集已经过预处理，而有些则没有。 请务必对原始数据进行预处理，这一点很重要。 说明和说明 注意：在已发布的代码中，为了更好地理解算法，提供了四个变体来评估总散点矩阵和类内散点矩阵的效用，并在替代更新阶段对散点矩阵进行更新。 FSVM_train_St.m-GBCD算法，通过使用总散点矩阵来求解FSVM，而无需更新散点矩阵 FSVM_train_update_St.m-通过使用总散点矩阵并更新散点矩阵来解决FSVM的GBCD算法 FSVM_train_Sw.m-GBCD算法，通过使用类内散点矩阵来求解FSVM，而无需更新散点矩阵 FSVM_train_update_Sw.m-GBCD算法，通过使用类内散点矩阵并更

实现了模糊SVM算法，每个训练样本多加了一个模糊隶属度标签

模糊支持向量机用于图像分割，很好的一个例子，有图，有源代码。

这是H。264 SVC FSVM测试模型的最新版本，分享给大家。

用模糊支持向量机（FSVM）实现对手写的0~9的识别，对于模式识别中的分类器学习有很好的参考价值