SVM(Support Vector Machine)指的是支持向量机，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。

testSetRBF2主要用于人工智能机器学习中的数据训练集使用

提供不同核函数的svm代码，包括详细的注解说明，简单易懂

SVM算法，包括线性和非线性分类,是模式别别中的典型算法和应用

matlab源码

使用C#编写的SVM算法，低维数据规模，训练效果极佳，可供C++/C编写算法参考。 个人能力有限，如有问题，欢迎指正！

针对基于两种不同意识任务( 想象左手运动和想象右手运动) 的脑机接口, 使用共空间模式算法对 BCI 2003 竞赛数据进行特征提取; 基于滑动时间窗, 利用 CSP 方法对C3, Cz 和 C4 位置的脑电信号进行处理利用支持向量机对特征进行分类, 获得最大分类正确率 82 86% , 最佳时间点 4 09 s, 最大互信息 0 47 bit, 最大互信息陡度 0 431 bit/s与 BCI 2003 竞赛结果相比, 最大互信息陡度有了显著提高, 证明该方法更适合 BCI 实时系统的要求

云计算环境下的并行SVM算法研究.pdf

模式识别课上的SVM分类器训练及测试程序（Matlab），带训练集和测试集，可直接使用，计算正确率，好用

matlab源码