我看不出这有什么问题，让z作为(2n + 1)变量的向量：

z = (w, eps, b)

然后，H变为对角线上的第一个n值等于1并且最后一个n + 1被设置为零的对角矩阵：

H = diag([ones(1, n), zeros(1, n + 1)])

矢量f可表示为：

f = [zeros(1, n), C * ones(1, n), 0]'

第一组约束变为：

Aineq = [A1, eye(n), zeros(n, 1)]
bineq = ones(n, 1)

其中A1是与原始形式相同的矩阵。
第二组约束变为下限：

lb = (inf(n, 1), zeros(n, 1), inf(n, 1))

然后你可以调用MATLAB：

z = quadprog(H, f, Aineq, bineq, [], [], lb);

我可能会在一些小细节上犯错误，但总体思路是正确的。

我想澄清@vharavy answer，因为你可能会在尝试推导他代码中"n"的含义时迷失方向。以下是我根据他的答案和SVM维基百科文章所做的版本。我假设我们有一个名为 "test.dat" 的文件，该文件保存了上一列中测试点的坐标及其类成员身份。包含3D点的 "test.dat" 的示例内容：

-3,-3,-2,-1
-1,3,2,1
5,4,1,1
1,1,1,1
-2,5,4,1
6,0,1,1
-5,-5,-3,-1
0,-6,1,-1
-7,-2,-2,-1

下面是代码：

data = readtable("test.dat");
tableSize = size(data);
numOfPoints = tableSize(1);
dimension = tableSize(2) - 1;
PointsCoords = data(:, 1:dimension);
PointsSide = data.(dimension+1);

C = 0.5; %can be changed
n = dimension;
m = numOfPoints; %can be also interpretet as number of constraints
%z = [w, eps, b]; number of variables in 'z' is equal to n + m + 1
H = diag([ones(1, n), zeros(1, m + 1)]);
f = [zeros(1, n), C * ones(1, m), 0];
Aineq = [-diag(PointsSide)*table2array(PointsCoords), -eye(m), PointsSide];
bineq = -ones(m, 1);
lb = [-inf(1, n), zeros(1, m), -inf];
z = quadprog(H, f, Aineq, bineq, [], [], lb);

若设z =（w;w 0; eps）T是具有n+1+m个元素的长向量。（m是点的数目）那么，

H= diag([ones(1,n),zeros(1,m+1)]).
f = [zeros(1; n + 1); ones(1;m)]

不等式约束可指定为：

A = -diag(y)[X; ones(m; 1); zeroes(m;m)] -[zeros(m,n+1),eye(m)],

其中X是原始形式的n x m输入矩阵。在A的2个部分中，第一部分用于w 0，第二部分用于eps。

b = ones(m,1)

等式约束：

Aeq = zeros(1,n+1 +m)
beq = 0

界限：

lb = [-inf*ones(n+1,1); zeros(m,1)]
ub = [inf*ones(n+1+m,1)]

现在，x1月1x

完整的代码.思想和上面一样.

n = size(X,1);
m = size(X,2);
H = diag([ones(1, m), zeros(1, n + 1)]);
f = [zeros(1,m+1) c*ones(1,n)]';
p = diag(Y) * X;
A = -[p Y eye(n)];
B = -ones(n,1);
lb = [-inf * ones(m+1,1) ;zeros(n,1)];
z = quadprog(H,f,A,B,[],[],lb);
w = z(1:m,:);
b = z(m+1:m+1,:);
eps = z(m+2:m+n+1,:);