支持向量机和BP神经网络虽然都可以用来做非线性回归，但它们所基于的理论基础不同，回归的机理也不相同。支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。为了验证这种观点，本文编写了支持向量机非线性回归的通用Matlab程序和基于神经网络工具箱的BP神经网络仿真模块，仿真结果证实，支持向量机做非线性回归不仅泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。-SVM and BP neural networks, although non-linear regr

通用数据挖掘系统，数据采集模块，数据传输模块，数据整合模块-Generic data mining system, data acquisition module, data transfer module, data integration module

SHARK是一种快速、模块化、功能丰富的开源C++机器学习库。它提供了线性和非线性优化的方法，基于内核的学习算法，神经网络，和其他各种机器学习技术（见下面的特征列表）。它作为一个强大的工具箱，已经在现实世界有很多应用和研究。SHARK依赖于Boost和 cmake。它兼容Windows，Solaris，MacOS X和Linux。根据GNU通用公共许可证授权许可。-SHARK is a fast, modular, feature-rich open-source C++ machine lea