SVM多分类——实力分析！

使用VS2013+OPENCV2.4.10离线训练及识别手势图片获得识别率

提出一种基于支持向量数据描述算法(SVDD)的多分类方法（SMSVM）。受SVDD的启发，该方法对每类样本建立一个超球来界定，但训练好的超球在所有情况下都是相交的。选择相交区域的样本单独建立超球，重

1.将Mnist数据预处理。 2.通过一对一方法将45类训练样本((0,1),(0,2),......(1,2)...(2,3))送入交叉验证法,训练算法为smo 3.得出45个模型,测试时在利用投票

内含有大量多标签多类别分类算法和对应的代码，包括MIML_LPT,MIMLBoost,MIMLSVM,MIMLfast,KISAR,MIMLKNN,MLKNN,DMIMLSVM,MIMLMISVM等等

针对传统支持向量机（SVM）多分类一对多算法存在的运算量大、耗时长、数据偏斜以及对最优超平面附近点分类易出错问题，提出了一种改进方法。将数据空间分为密集区和稀疏区，各类中密集点归于密集区，其余归于稀疏

pso优化的SVM分类

code为svm的matlab实现，保证能够运行，其中还有编译好的mex文件

此SVM_GUI是基于libsvm-FarutoUltimate3.0，所以你需要实现安装该工具箱。会用libsvm-FarutoUltimate的朋友，这个GUI一看就会用，里面的参数的输入就是原来

Support vector machines for classification Radek Zíka zikar@img.cas.cz http://bio.img.cas.cz/zikar

libsvm分类和回归GUI版本，及其使用介绍文档