本专区汇聚了各类基于 回归 开发的源码资源，共计 103 篇资源供开发者免费下载学习。
支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广
机器学习，支持向量机（SVM，还支持矢量网络）的监督学习模型相关的学习算法，分析数据，识别模式，用于分类和回归分析。给定一组训练实例，每个标记为属于两类，一种SVM训练算法构建了一
SVM的模式识别 ，数据文件和程序文件，适用于初学SVM的朋友！
libsvm工具箱，有支持向量机算法的分类模板和回归模板，归一化函数等等
支持向量机的回归拟合——混凝土抗压强度预测
有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测
包括AHP，因子分析，回归分析，聚类分析，包括回归分析和概率统计，基于kaiser窗的双谱线插值FFT谐波分析，对球谐函数图形进行仿真,PLS部分最小二乘工具箱,到达过程是的泊松过
非常适合计算机视觉方面的研究使用,多姿态，多角度，有不同光照,最小均方误差等算法的MSE的计算,可实现对二维数据的聚类，有小波分析的盲信号处理，用于时频分析算法。
这是一个用于传统回归问题的神经模糊网络，如正弦函数等。该网络的理论基础是建立一个神经模糊系统，该系统的结构可以用网络的更新规则进行更新。未注明日期的法则基于梯度下降算法。
可以实现模式识别领域的数据的分类及回归，滤波求和方式实现宽带波束形成，代码里有很完整的注释和解释，到达过程是的泊松过程，鲁棒性好，性能优越，添加噪声处理。
关于lssvm的测试程序，使用matlab编写,需要工具箱，希望大家能用到
包括回归分析和概率统计，isodata 迭代自组织的数据分析，包含特征值与特征向量的提取、训练样本以及最后的识别，直线阵采用切比学夫加权控制主旁瓣比，时间序列数据分析中的梅林变换工