针对基于GPS／GIS的浮动车数据特点，总结其中无效的数据类型，并给出数据有效处理的方法。以支持向量机原理、交通状态预测方法为基础，分析了常用支持向量回归机、核函数及模型参数的性能，以及各核函数及模型参数对支持向量机性能的影响及作用。针对路段平均速度预测中的小样本、非线性、高维回归等特点，将支持向量回归机方法引入基于浮动车数据的路段车辆速度预测，构建了路段平均速度短时预测模型。并以杭州市某路段的实际数据为例，详细阐述了支持向量回归机预测模型的具体建模和求解过程。运用LibSVM2．84软件包，进

用支持向量机的方式通过历史数据来预测上证指数的走势-Historical data to forecast the Shanghai index trend with support vector machine

svm的回归预测分析，包含源代码和数据，测试可用-svm regression analysis to predict, including source code and data, test available

对白酒的大数据进行SVM神经网络的学习和分类，可由此衍生很多神经网络学习和分类的代码。-SVM neural network learning and classification of large data of liquor can be derived a lot of neural network learning and classification of the code.