支持向量机（SupportVectorMachine,SVM）是一类按监督学习（supervisedlearning）方式对数据进行二元分类的广义线性分类器（generalizedlinearclassifier），其决策边界是对学习样本求解的最大边距超平面（maximum-marginhyperp...
LIBSVM 是台湾大学林智仁(Chih-Jen Lin)博士等开发设计的一个操作简单、易于使用、快速有效的通用SVM 软件包，可以解决分类问题（包括C- SVC、n - SVC ）、回归问题（包括e - SVR、n - SVR ）以及分布...
LIBSVM源码。LIBSVM 是台湾大学林智仁(Chih-Jen Lin)博士等开发设计的一个操作简单、 易于使用、快速有效的通用SVM 软件包，可以解决分类问题（包括C- SVC、 n - SVC ）、回归问题（包括e - ...
LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统...
(数据挖掘新方法-支持向量机)PDF格式的!知道支持向量机(SVM),肯定知道它是一本非常经典的图书!支持向量机(support vector machine，SVM)是数据挖掘中的一项新技术，是借助于最优化方法解决机器学习问题的新工具．
SVM 的代码,工具箱的使用内部有详细的说明,请读者看看Matlab代码中参数使用,将训练数据以矩阵形式输入,即可使用
利用matlab开发平台和相关的SVM优化工具箱,及OAO,OAA,BSVM2算法模型,设计改进并实现非线性的模式分类实验模型系统.
MIT大学的机器学习课程讲稿,很经典的!包括分类,回归,判别式学习,产生式学习,SVM等,基本上包括常用的机器学习算法
通常情况下是线性的分类,但在复杂情况下,要把他转换到另一空间来,以便线性的分类, SVM有其优势,还能做非线性的波束形成.