SVM模型java代码

使用Python支持向量机的代码实现，首先基于简化版的SMO实现分类超平面的计算，但时间较长，然后将完整版的SMO算法封装到类中，实现超平面的快速计算。最后使用SVM进行手写体识别实例的实现

基于SVM的人脸识别matlab代码，内含有数据集，下载即可使用。

支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。

一个用VC++实现的支持向量机svm分类算法源代码,直接用VC++可以执行

SVM文本分类MatLAB源代码为m-file格式

本文结合支持向量机对乳腺癌进行正确的判别和分类。介绍了平常用到的一些算法。

Code for support vector machine (SVM)

支持向量机算法简单实现和评估。基于tensorflow框架实现

svm分类与回归的matlab代码

采用KPCA进行人脸特征脸提取，基于osu-svm进行分类，使用的是ORL标准人脸数据库。采用网格法对参数优化后，识别正确率可达97%。具体优化的参数及识别结果见压缩包内mat文件！