软件

高斯过程

• 地质雷达.Markus Mottl在OCaml中的高斯过程回归
• GP演示.高斯过程演示软件授大卫·马凯（八位一体）。
• 广义完全匹配吸收层.Rasmussen&Williams“Gaussian”算法的Matlab实现机器学习过程”，麻省理工学院出版社，2006年。
• LS SVM实验室.用于最小二乘支持向量机的Matlab/C工具箱。
• 地图-1.MAP估算包卡尔拉斯穆森.
• MC-1型.MAP估算包卡尔拉斯穆森.
• 灵活的贝叶斯建模.打包依据拉德福德·尼尔.它包括神经网络、高斯过程和混合的程序模型。
• 网络实验室.Matlab工具箱，包括高斯过程回归、混合模型和神经网络网络。
• 稀疏高斯过程.使用高斯过程进行稀疏推理的Matlab工具箱。
• Tpros和Cpros.打包依据纪秉盟.

数学程序设计

• CPLEX公司.屏障/QP求解器。
• 当地居民.线性和二次优化包罗伯特·范德贝.
• MINOS公司.线性和二次型解算器。

支持向量

• 最近点算法.通过萨提亚·基尔西（英寸FORTRAN）。
• SVM Java小程序.Chris Burges等人。
• BSVM公司.一种有界约束SVM公式的分解方法。
• QP SVM分类和回归.Fortran实现。
• CLISP/LibSVM.用于使用GNU CLISP（ANSI Common Lisp实现）中的LibSVM的模块。
• 组块代码.作者：C.桑德斯、M.O.斯蒂森、J.韦斯顿、L.博图、B.舍尔科夫和A。Royal Holloway、at&T和GMD FIRST的Smola(文档).
• cSVM（支持向量机）.支持向量机用于带模型选择的分类任务。
• 2D-SVM交互式演示.在Matlab6下运行，生成漂亮的图片，对课程很有用。
• DTREG公司.菲利普·谢罗德。
• 支持向量机的内点优化算法模式识别.通过亚历克斯·斯莫拉.
• 马先见之明.基于商用SVM的分类与回归应用程序设计药物发现。
• 基尼-SVM.用于大型数据集的多类概率回归软件。
• GiniSVM公司.多类SVM概率回归包。
• 主旨.Gist包含用于支持向量机分类和核主成分分析。Gist的SVM部分可用通过交互式web服务器。
• 并行GPDT.支持向量机的并行和串行训练。
• 英雄Svm1.0.用于在超大训练集上训练SVM的高性能DLL高效。
• SVM java实现.此实现简单且易于修改。
• 学习.基于SVM、NN和FL MATLAB的用户友好例程。
• 伦敦银行支持向量机.具有图形界面的SVM库。
• 织布机.基于BSVM的留式模型选择软件。
• LS SVM实验室.最小二乘支持向量机的Matlab/C工具箱。
• M-SVM（M-SVM）.大问题的多类支持向量机。
• M-SVM（M-SVM）.大问题的多类支持向量机。
• 我的支持向量机.模式识别和回归的SVM实现。
• mySVM和SVMlight窗户.Windows的SVM实现，使用Microsoft Visual C++6.0。
• 我的支持向量机/分贝.要在数据库中运行的SVM实现。
• 顺序最小优化.通过葛显平.
• 在线支持向量回归.Matlab和C++实现了在线SVR算法。
• SMOBR公司.SMOBR是原始顺序最小优化的实现由Platt用C++编写。
• SVM-QP公司.用于大规模支持向量机分类的凸QP求解器。
• SVM深色.支持向量机的Windows实现。
• SvmFu公司.通过赖安里夫金.
• SVM灯.通过托尔斯滕约阿希姆.
• 支持向量机/LOO.支持向量机增量学习和减量遗忘（LOO）的Matlab代码验证）。
• 支持向量机/优化.Fortran中用于分类/回归的SVM QP例程。
• SVMseq公司.grad的实现。SV学习说明，支持样本选择，弦核和准线性训练。在Haskell中实现，源代码+二进制文件可用。
• SVMTorch公司.大规模回归和分类问题的支持向量机。
• 提比略.基于Windows的cSVM实现。
• Matlab支持向量机工具箱.通过史蒂夫·冈恩.
• Matlab支持向量机工具箱.采用SVMlight风格的Matlab实现，可以训练1范数和2范数SVM。
• OSU支持向量机分类器Matlab工具箱.一个带有C++mex内核的matlab工具箱，用于快速实现SVM分类器。
• 简单SVM工具箱.支持向量机的完全Matlab工具箱，基于SimpleSVM算法。包括1类，不变性处理。
• SVM工具箱.面向对象的MATLAB支持向量机工具箱，包括C++MEX序列最小优化算法的实现。
• WinSVM（WinSVM）.用于在Windows下运行的SVM程序。它使用SMO算法，因此速度非常快而且易于使用。
• WinSVM（WinSVM）.支持向量机用于窗口，易于使用。
• winSVM（winSVM）.支持向量机的Windows实现。

其他算法

• AdaBoost-Reg公司.AdaBoost算法的正则化版本（在MATLAB中）。
• 广义判别分析.Zip文件，用于Matlab 5。
• 内核台球的.通过帕尔·鲁扬（单位：C）。
• 内核ICA.基于核的独立成分分析方法。
• JINFIL java实例过滤.实例过滤是监督学习系统的预处理步骤，用于文本中的实体识别。实例筛选的目标是减少偏态类分布和消除负的数据集大小实例，同时尽可能保留积极的实例。这个过程在训练集和测试集上执行，其效果是学习和分类时间，同时保持或改进预测精度。该工具在应用时表现出优异的性能支持向量机分类器。
• 内核-机器库.一个基于GPL的C++库，用于在高效的方式。
• myKLR公司.核逻辑回归。
• 径向基函数网络.具有自适应中心的快速RBF网络。
• 核的主分量分析.RBF玩具示例伯恩哈德舍尔科夫（在MATLAB中）。
• R-KDDA公司.正则化核判别分析方法（在matlab中）。
• 蜘蛛.MATLAB中用于分类、回归、聚类等的库。。。。对于SVM它使用LIBSVM和SVMLight。
• 英国皇家实验室工具箱.学习方法“无监督核回归”的软件包主歧管。还包括一个用于低级函数的C库。
• 火炬.一个新的C++/GPL机器学习库，包括MLP、RBF、SVM、GMM、HMM、，KNN、Parzen。。。