是一个不错的中文分类器，里面包括knn 和svm分类法。李荣陆的作品。安装后即可使用。

针对模式识别问题,描述了支持向量机的基本思想,着重讨论了ν-SVM、最小二乘SVM、加权SVM和直接 SVM等新的支持向量机方法,用于降低训练时间和减少计算复杂性的海量样本数据训练算法分块法、分解法,提 高泛化能力的模型选择方法,以及逐一鉴别法、一一区分法、M-ary分类法、一次性求解等多类别分类方法.最后给 出了污水生化处理过程运行状态监控的多类别分类实例.作为结构风险最小化准则的具体实现,支持向量机具有 全局最优性和较好的泛化能力.

实现一对一SVM的手写数字识别，验证一对一SVM（成对分类法）用于手写数字识别的相关性质，及针对具体数据库，在识别精度、训练时间和测试时间方面对常见的几种多类分类方法进行对比。

针对混合颗粒的分类问题,传统算法多利用颗粒的二值化图像提取其特征,并通过精细的特征设计结合BP神经网络、支持向量机(SVM)等分类器进行分类,但颗粒粘连以及不精确的特征设计都会严重影响分类的准确率。利用卷积神经网络提取颗粒的特征,通过区域建议网络(RPN)搜索颗粒的位置,同时建立分类器,并结合全卷积网络实现像素级的颗粒分割。对由球形、长条形及非规则形颗粒组成的混合流动颗粒体系进行实验研究,结果表明:利用人工特征设计的SVM法可以达到87%的分类精确率和召回率,而基于卷积神经网络的方法则可以达到9