支持向量机和BP神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，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。大量仿真证实，支持向量机的泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合，GreenSim团队推荐您使用。

人民币面额识别论文，内含源码，欢迎借鉴！

掌握无码间干扰传输的基本条件和原理，掌握基带升余弦滚降系 统的实现方法； 2．通过观察眼图来分析码间干扰对系统性能的影响，并观察在输入相同码率的 NRZ 基带信号下，不同滤波器带宽对输出信号码间干扰大小的影响程度； 3．熟悉 MATLAB 语言编程 信号源、方 波信号源、相乘器等模块组成，Simulink 模型图如下所示