搜索资源列表
svmmatlabtoolbox
- SVM的matlab工具箱，可以实现支持向量基的分类和回归问题
LS_SVMlab工具箱
- LS_SVMlab工具箱，可以实现二分类、多分类和回归，内有详尽demo以及100多页的pdf使用手册,不懂支持向量机的可以通过改工具箱及手册很容易上手。
支持向量机算法及其代码实现
- 支持向量机（SVM），起初由vapnik提出时，是作为寻求最优（在一定程度上）二分类器的一种技术。後来它又被拓展到回归和聚类应用。SVM是一种基于核函数的方法，它通过某些核函数把特征向量映射到高维空间，然後建立一个线性判别函数（或者说是一个高维空间中的能够区分训练数据的最优超平面，参考异或那个经典例子）。假如SVM没有明确定义核函数，高维空间中任意两点距离就需要定义。
out-matlab SVM回归，用于实现支持向量机
- SVM回归，用于实现支持向量机（SVM ）回归拟合的问题。可以用来做一些短期的预测，如短期负荷预测。-svm regression, used to implement support vector machine (SVM ) Regression fitting problems. Can be used to do some short-term forecasts, such as short-term load forecasting.
SVMmatlab
- 具有非线性回归功能的支持向量机算法。可有效实现目标特征进行训练和识别。-Nonlinear regression functions with support vector machine algorithm. Features can effectively achieve its objectives of training and recognition.
SVM-for-classfication-and-regression
- 用支持向量机(SVM)实现分类与函数回归的源代码。内有实例，依湖芦画瓢即可。-Using support vector machine (SVM) classification and function to achieve the reunification of the source code. There are examples, according to Lake Lo paintings can ladle.
SVM_luzhenbo
- 支持向量机工具箱，可进行分类，预测等，实现了四种支持向量机工具箱的分类与回归算法，有实例-Support Vector Machine Toolbox, it can conduct classification, prediction and so on, implementation of the four support vector machine toolbox classification and regression algorithm, has examples of
support-vector-machine
- 支持向量机非线性回归通用matlab程序，本程序使用支持向量机法，实现对数据的非线性回归，核函数的设定和修改在函数内部进行，数据预处理在函数外部进行，简单易懂，希望能对大家有所帮助-Universal non-linear regression support vector machine matlab program, this program uses support vector machine method to achieve non-linear regression of data
PS0-SVR
- ：针对发酵过程中生物参数难以实时在线测量的问题，建立了用于生物参数状态预估的 支持向量机软测量模型。考虑到该支持向量回归(SVR)模型的复杂性和冷化特征取决于其三 个参数 ，c， 能否取到最优值，采用粒子群优化(PSO)算法实现对参数 ，c， 的同时寻优。在 此基础上，以饲料用 ．甘露聚糖酶为对象，建立了基于PSO—SVR的发酵过程产物浓度状态预估 模型。发酵罐控制结果表明：该模型具有很好的学习精度和泛化能力，可实现对 ．甘露聚糖酶 产物浓度的实时在线预估。-In
LSSVMlab1.5
- 支持向量机用于回归，在MATLAB里实现的。方便好用-Support vector machines for regression, implemented in MATLAB in. Is easy to use
SVM_Short-term-Load-Forecasting
- 优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，
Matlab-svm
- 支持向量机是一种新的回归方法，特别适用于非线性，改程序实现了支持向量机非线性回归-surport vector machine to non-linear regression
LibSvm
- 支持向量机的方法在matlAB中实现，包括回归、以及分类等模块。此外，还有参数寻优的算法。-Support vector machine method is implemented in matlAB, including regression and classification module. In addition, parameter optimization algorithms
FOASVR
- FOASVR算法实现，用于支持向量机回归的实现-FOASVR algorithm implementation，used to apply the SVR
libsvm-3.1(Chen)
- 支持向量机的分类与回归，可以实现样本数据的分类和数据的趋势预测-SVM classfiction and regression
svr
- 实现支持向量回归，能够实现小样本的回归预测分析-Regression analysis to realise the prediction base on small sample
用SVR实现混凝土预测代码
- 基于支持向量机回归算法的混凝土的强度预测(strength prediction of concrete based on support vector machine regression algorithm)
SVR
- 该代码属于支持向量回归技术的新实现，直接调用，简单易操作，训练和测试分开(The code belongs to the new implementation of support vector regression technology, direct call, simple and easy to operate, training and testing separate)
svm1
- 支持向量机回归的程序，实现预测，在matlab平台上实现模型训练和预测(Support vector machine regression program to realize prediction)
python
- 该代码基于Python3,利用机器学习中支持向量机回归算法（SVR）实现对数据的拟合以及预测，可以通过调试C值和gamma值达到不同的拟合程度，具有较大的实际意义，并且该代码本人亲自调式运用，适合广大学习者使用。(This code is based on Python 3. It uses support vector machine regression algorithm (SVR) in machine learning to fit and predict the data. It c