在草图符号的自适应学习中，不同用户的训练样本数量可能不同，保持在不同样本数量下良好的学习效 果成为需要解决的一个重要问题．提出一种自适应的草图符号识别方法，该方法采用与训练样本个数相关的分类 器组合策略将模板匹配方法和SVM统计分类方法进行了高效组合．它通过利用支持小样本学习的模板匹配方法 和支持大量样本学习的SVM 方法，并同时利用草图符号中的在线信息和离线信息，实现了不同样本个数下自适应 的符号学习和识别．基于该方法，文中设计并实现了支持自适应识别的草图符号组件．最后，利用扩

基于svm算法的vc++实现。对于学习svm算法非常有帮助。-Svm algorithm based vc++ achieve. Very helpful for learning svm algorithm.

采用有监督的朴素贝叶斯、SVM和KNN算法对进行训练，实现对邮件的分类-Using supervised naive bayes, SVM and KNN algorithm for training, implementation of the classification of the mail