说明：用adaboost法生成基支持向量机分类器，并对识别结果进行简单投票法集成。附有支持向量机工具箱和adaboost算法流程说明。

mstar 集成-Adaboost adaboost--matlab 投票分类 投票法分类

说明：matlab源代码，包括支持向量机分类算法（SVC_C，SVC_Nu），回归算法（SVR_Epsilon，SVR_Nu），以及One-Class算法。

支持向量回归 SVR 分类-代码 svm_toolbox 分类算法

说明：多分类问题的支持向量机源程序一对一方法绝对可以运行

一对一--分类 支持向量机 分类 一对一 multi-class-svm

说明：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

svm预测实例 SVM_luzhenbo.rar 预测-回归 支持向量机--混沌--控制 SVM_luzhenbo

说明：转发一个可视化的非线性支持向量机多分类源码，比较实用易学，值得进一步深入开发。

多分类向量机 分类可视化 svm-non-linear svm-matlab Multi-SVM

说明：超球面支持向量机，一种构建超球面来进行分类的单类svm

单分类 支持向量机 向量机-球面 超球面 单类svm

说明：EMD或者LMD的能量密度与其平均周期的乘积K值，当K值发生较大变化的时候，证实该分量为白噪声，可以剔除，将剩下的分量进行重构，达到去噪的目的。

EMD emd重构 emd-去噪 k-EMD LMD能量

说明：这是关于线性减量分析，你可以用它来分类脑机接口或脑机接口，输入是信号和标签。

bci EEG This-Is-It BCI 线性减量

说明：模式传输的光束质量，模式经过增益饱和放大的光束质量因子的模拟主要运用的方法是最小二乘法拟合。其思路是用分步傅里叶法得到多个不同位置的光强分布，然后通过二阶矩方法得到束半宽，用最小二乘法拟合得到传输半径的一元二次方程，形式如下

二阶矩 光束传输法 光放大 模式增益 模式传输的光束质量

说明：阵元间频率增量按对数增加，发射波束不再按距离周期性出现，发射波束图最大值只有一个。相较于阵元间频率增量固定的传统频率分集阵列，log-FDA能够抗距离相关的干扰，而且发射能量不泄露，具有一定的低截获性能。

频率分集阵列 FDA 频率分集 log-return FDA发射