提出一种基于粗糙集与支持向量机的客户动态评估方法。根据客户群特点从当前价值、潜在价值和附加价值三个维度分析并构建客户评估指标，利用指标的年增幅率监测客户价值的变化规律。应用粗糙集布尔推理算法、粒子群算法实现连续属性离散化和知识约简。通过10-重交叉验证和网格搜索技术获取最优惩罚因子与核参数，缩放样本数据集并完成支持向量机一对一分类器的训练与测试。结果表明该评估方法能够实现周期性的客户价值评估与细分，具有很强的泛化能力。- A customer dynamic evaluation method

SVM train recogination

使用perl进行遍历多重文件夹中的文件，并使用支持向量机进行模型训练。-Traverse files in the folder, and train model with SVM(support vector machine)

自控应用svm的介绍文档，方便下载传看。-mysvm is used to train a SVM on a given example set and testing the results.it is very conveninent to learn about it by u self.