支持向量机(SVM)算法演示 (C#SVM电力负荷预算软件)

什么是SVM
Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去，这种分类器被称为支持向量机(Support Vector Machine,简称SVM)。支持向量机的提出有很深的理论背景。
支持向量机方法是在近年来提出的一种新方法。
　　在学习这种方法时，首先要弄清楚这种方法考虑问题的特点，这就要从线性可分的最简单情况讨论起，在没有弄懂其原理之前，不要急于学习线性不可分等较复杂的情况，支持向量机在设计时，需要用到条件极值问题的求解，因此需用拉格朗日乘子理论，但对多数人来说，以前学到的或常用的是约束条件为等式表示的方式，但在此要用到以不等式作为必须满足的条件，此时只要了解拉格朗日理论的有关结论就行。

---------百度知道里查到的资料,

软件开发日期是07年2月应当时需求,一年后发布出来,供大家学习参考,
SVM是什么通俗的讲: 是个建模学习并根据建模预算出可能的情况的过程
,本人不才,毕竟是个程序员,靠写程序为生的,程序员,对于线性的理解也不对,台湾有位牛人提供出算法原理,有C++版本和C#版本.

SVM(支持向量机)能干什么,建模的过程就是个学习的过程,当然因素越多,预算出来的就越准却,
打个比方,图片识别,例如脸部识别,把特点细节进行建模然后可以通过模型达到脸部识别的动作,当然这个是个复杂的过程,但支持向量机可以实现脸部识别,语音识别等.

支持向量机的预算,是如何完成的
以该项目负荷预测软件为例, 比如温度，季节，是否假日,天气,星期几等各种因素进行建模
总的来说，所有的单元格里的数据越是符合实际，越精确，预测结果越准。那些缺省的数据对结果的影响是很大的。所以软件上要对数据的有效性做很严格的监控。

通过SVM算法对数据进行处理分析,生成对应时间段的数据模型,通过这个模型可以生成预算的的时间段电力变化的曲线,

只是简单的叙述一下,

本站可以开发 SVM支持向量机预算方面的作品的开发了 ;)