支持向量机：理论、算法与拓展

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

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

在机器学习中，支持向量机（英语：supportvectormachine，常简称为SVM，又名支持向量网络）是在分类与回归分析中分析数据的监督式学习模型与相关的学习算法。给定一组训练实例，每个训练实例