支持向量机：理论、算法与扩展

通过粒子群算法优化支持向量机,可实现故障特征向量的分类

针对源域中有大量标记数据且目标域中无标记数据的分组概率可用的情况,提出了一种新型的具有分组概率的传输支持向量机TSVM-GP。 TSVM-GP将转移项和组概率集成到支持向量机(SVM)中,以提高分类准

关于统计学习理论和支持向量机的一些基本理论和思想。

支持向量机(SVM)以其坚实的理论基础,和在机器学习领域表现出的良好推广性能,获得了越来越广泛的关注。为更好地推进其发展,科研工作者们借鉴统计学中经典的贝叶斯理论,做了大量工作,例如:引进贝叶斯理论中

描述了STL框架下的svm算法的实现、算法的性能评估等方面

支持向量机

labview—Svm程序,可以进行故障分类

MATLAB支持向量机工具箱,可用支持向量机工具箱做预测

svm 原理解释说明。 ========================

支持向量机分类作图