一种基于支持向量机的蠓虫分类方法

支持向量机(Support Vector Machine, SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linea

代码解释的详细，可以直接用，已经测试过了，很好用。

超经典的支持向量机svm分类算法,很适合初学者用

支持向量分类-支持向量归纳SVC-SVR实例，适合于初学者

相比现有技术,基于微波技术的脑中风检测无电离辐射,是一种安全便捷低廉的检测方法。目前主要的脑中风微波检测方法是微波成像,但由于脑部结构复杂,成像精度和可靠性不高。近年来,基于机器学习的分类方法开始应用

基于支持向量机框架的运动想象脑电分类，廖祥，尹愚，一个脑-机接口（brain-computerinterface,BCI）系统需要有效的在线处理脑电信号以便进行实时的大脑活动状态分类。在本文中我们提出

基于小波矩的支持向量机分类研究，比较有参考价值的文献。

使用粒子群优化算法对支持向量机分类模型进行优化，实现高效准确的数据分类预测。通过多输入单输出的改进算法，提高模型精度和泛化能力。输出预测值对比真实值的混淆矩阵图，让结果更加直观。适合初学者学习，且易于

基于支持向量机的长波红外目标分类识别算法

摘要:直推式支持向量机(TSVM)是在利用有标签样本的同时,考虑无标签样本的训练集和大量无标签样本的测试集上,具有良好的效果。但是它有算法时间复杂度比较高,需要预先设置正负例比例等不足。通过对原有算法