SVM概率分类

本代码为matlab实现的支持向量机模式识别算法，对MNIST数据集进行三种样本分类，如果电脑内存够大，可以实现更多的类别分类，另外exclass是对随机的两个样本分类，也可以参考，exmuticla

图像分类算法:第一张图像显示的是提取到的HOG特征,这个主要可以初步了解下特征是否选择的合适,不合适可以调节extractHOGFeatures里面的参数,如cellsize,blocksize,bi

非线性SVM分类器设计，不同核函数下的样本数据分类图，matlab代码简单易懂

利用十大经典机器学习算法之一的SVM（支持向量机）算法，实现文本分类，用于自然语言处理。

分别运用感知器和支持向量机实现了对数据集的分类，可以帮助初学者了解入门。

SVM经典分类器设计材料及Verilog Python代码，可用于设计参考

用java开发的SVM分类器，里面有说明

SVM有如下特征：（1）SVM学习问题可以表示为凸优化问题，因此可以利用已知的有效算法发现目标函数的全局最小值。（2）SVM通过最大化决策边界的边缘来控制模型的能力。（3）通过对数据中每个分类属性引入

对多分类支持向量机几种算法进行分析, 系统地比较了各种算法的性能

SVM分类算法的参数选择研究，非常实用，清华图书馆的资源！