说明：统计模式识别算法包，包括线性分类算法，SVM，PCA，LDA，EM，k-means分类等多种常用的模式识别算法。

machine-learning k-means-svm LDA分类算法 模式识别算法 SVM

说明：通过GA算法对乳腺癌细胞进行特征提取，并训练SVM网络，通过升高维度使分类更准确，从而提高了分类精度，完善了数据分类。

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：实现图像分类，支持向量机原始优化算法SMO

图像分类-MATLAB SVM分类优化 smo算法 SVM smo--svm-matlab

说明：支持向量机的matlab实现，能自动完成数据的分类功能。

支持向量机 SVM数据分类 svm-分类 MACHINES SVM

说明：用支持向量机进行分类，或者回归，进行预测控制

matlab-回归 SVM-控制 预测控制--SVM svm回归 svm-预测控制

说明：对图像Gabor特征的提取，一个非常有效的特征,并用SVM对图像进行分类

gabor-分类 GIST特征+SVM gabor特征提取 gist特征提取c++ gist-svm

说明：采用SVM支持向量机，对5种故障进行分类诊断，程序可实现判断故障是否发生，并发生的故障类型进行诊断，根据故障数据分析故障类型，相比于传统神经网络算法具有更强的小样本数据分类能力。

说明：基于树形图的支持向量机（D-SVM）对数据集进行训练和执行多类分类。两个主要功能是：Train_DSVM：这是用于训练的功能Classify_DSVM：这是用于D-SVM分类的函数

说明： Matlab程序：SVM回归分析以及参数优化，更好的提升分类器的性能。资源包括创建SVR训练模型，寻找最佳c参数和g参数，建立SVR模型，SVR仿真预测实例分析。该资源适合SVM初学者！