9.5 扩展阅读
9.5.1 MATLAB自带的SVM实现函数与LIBSVM的差别
(1) MATLAB自带的SVM实现函数仅有的模型是C-SVC(C-support vector classification)，而LIBSVM工具箱有C-SVC(C-support vector classification)、nu-SVC(nusupportvector classification)、one-class SVM(distribution estimation)、epsilon-SVR(epsilon-support vector regression)、nu-SVR(nu-support vector regression)等多种模型可供使用。
(2) MATLAB自带的SVM实现函数仅支持分类问题，不支持回归问题(需要自己编写实现)；而LIBSVM 二者都支持。
(3) MATLAB自带的SVM实现函数仅支持二分类问题，不支持多分类问题(需要自己编写实现)；而LIBSVM默认采用一对一法支持多分类。
(4) MATLAB自带的SVM实现函数采用RBF核函数时无法调节核函数的参数gamma，仅能用默认的；而LIBSVM可以进行该参数的调节。
(5) LIBSVM中最优化问题的解决算法是序列最小最优化算法(SMO，SequentialMinimal Optimization)；而MATLAB自带的SVM实现函数中最优化问题的解法有三种可以选择：经典二次规划算法(Quadratic Programming)、序列最小最优化算法和最小二乘法(Least-Squares) 。
综合考虑LIBSVM工具箱使用更加方便，本章的SVM实现均使用LIBSVM工具箱。
9.5.2 关于SVM的学习资源汇总
1. 《关于SVM的那点破事》帖子
该帖是本书的作者之一李洋多年整理并持续更新的一个有关SVM的帖子，涉及SVM理论和相关应用，方便读者后续更加系统地学习SVM，读者有问题可以直接留言和作者面对面交流。帖子地址: http://www.matlabsky.com/thread-10966-1-1.html。
2. LIBSVM-FarutoUltimate工具箱及GUI版本介绍
LIBSVM-FarutoUltimate工具箱是本书的作者之一李洋在LIBSVM工具箱的基础上进行的完善，添加了一些辅助函数(各种参数寻优方法、数据归一化和降降维、图形展示等)，其GUI版本SVM_GUI工具箱是以LIBSVM-FarutoUltimate T具稍为基础的一个阁形使用界面。
LlBSVM-FarutoUltimate工具箱的最新版本为3.1(截止2013年1月11=1)， 下载地址：http://www.matlabsky.com/thread-17936-1-1.html。
SVM_GUI工具箱的故新版本为3.1(截止2013年1月1日)，下载地址：http://www.matlabsky.com/thread-9333-1-1.html(使用SVM_GUI工具箱市要事先安装LIBSVM-FarutoUltimate工具箱)。
在这旦要感谢LIBSVM的原始作者台湾大学的林智仁先生，没有他的LIBSVM工具箱，这些MATLAB环境里而的SVM的辅助函数也就没有存在的意义。LlBSVM的官方原始引用注明为: "Chih-Chung Chang and Chih-Jen Lin,Ll BSVM:a library for support vector machines,2001.Software available at http://www.csie.ntu.edu.tw/~ cjlin/libsvm。"
希望读者在使用LlBSVM-FarutoUltimate工具箱或转载相关辅助函数时给出如下的引用注明: "Li Yang(Faruto),LIBSVM-FarutoUltimate:a toolbox with implements forsupport vector machines based on libsvm，2011. So仕ware available at http://www. matlabsky.com"。
安装了LIBSVM-FarutoUltimate工具箱和SVM_GUI工具箱后，在MATLAB的命令窗口(Command Window)键入SVM_GUI命令可以直接启动SVM_GUI 工具箱，如图9-31所示。
单击" SVC"、"SVR " 按钮可以分别启动分类和回归界面，如图9-32和图9-33所示。
SVM_GUI工具箱是图形操作界面，只需单击就可以完成数据载入、数据归一化处理、数据降维处理、参数寻优方式选择、结果输出等一系列操作。如图9-34和图9-35。
所示分别是分类和回归运行展示所示分别是分类和回归运行展示。
3. 支持向量机(SVM) 相关免费学习视频集锦
本书的作者之一李洋制作了一些免费的SVM学习视频，可供读者深入学习、理解使用SVM，资源地址: http://www.matlabsky.com/thread-36823-1-1.htm1。
4. 支持向量机(SVM)相关书籍推荐
更多关于支持向量机(SVM)和人工神经网络(ANNs)的相关知识可参看以下书籍：((MATLAB神经网络的个案例分析)) (李洋等)、((MATLAB神经网络30个案例分析》和《支持向量机：理论、算法与拓展)) (邓乃扬、田英杰) 。