第九章 ?基于SVM分析意大利葡萄酒多個分類 第十章 ?參數優化及交叉驗證方法與最佳參數計算 第十一章 ?支持向量機進行手寫體數字圖像識別分類 第十二章 ?SVM回歸分析預測上證開盤指數 第十三章 ?SVM的信息粒化時序回歸預測上證開盤指數變化區間 第十四章 ?基于SVM算法進行柴油機故障診斷 第十五章 ?支持向量機(SVM)算法與其它算法結合思路與希望

簡單的新手操作，實現如何做一元和多元的線性回歸分析

分鐘) 第四章 ?多元線性回歸分析及實現程序 20、LSM12_1多元線性回歸問題及實例分析與程序建模(25分鐘,有程序)? 21、LSM12_2殘差圖及剔除奇異點做3次回歸及3維擬合圖顯示(23分鐘,有程序，淘寶網免費試看) 22、LSM12_3多元回歸顯著性檢驗及預測問題與回歸系數意義和總結(25分鐘,有程序)? 23、LSM13_多元線性回歸模型及最小二乘法得到回歸方程與配套程序(41

基于matlab的BiLSTM分類算法，輸出迭代曲線，測試集和訓練集分類結果和混淆矩陣，程序有詳細注釋，數據可更換自己的，程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。

基于matlab的極限學習機ELM算法進行遙感圖像分類，對所獲取的遙感圖片進行初步分類和最終分類。數據可更換自己的，程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。

基于matlab的引力搜索算法優化支持向量機（GSA-SVM）分類模型，以分類精度為優化目標優化SVM算法的參數c和g，輸出分類可視化結果及適應度變化曲線。數據可更換自己的，程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。

基于matlab的混合方法組合的極限學習機和稀疏表示進行分類。通過將極限學習機（ELM）和稀疏表示（SRC）結合到統一框架中，混合分類器具有快速測試（ELM的優點）的優點，且顯示出顯著的分類精度（SRC的優點）。數據可更換自己的，程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。

基于matlab的螢火蟲算法優化支持向量機（GSA-SVM）分類模型，以分類精度為優化目標優化SVM算法的參數c和g，輸出分類可視化結果。數據可更換自己的，程序已調通，可直接運行。 購買后可下載視頻中的源程序文件。