注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于小波包与支持向量机的复杂信号模式识别

  2. 为很好地识别神经和肌肉的功能状态,针对表面肌电信号的非平稳特性,提出了采用小波包变换的方法对原始肌电信号进行分解,并提取其频段系数的最大奇异值构建特征矢量.利用"一对一"的分类策略和二又树构建多类支持向量机分类器,经训练后可以有效地对前臂8种动作的表面肌电信号进行识别,8种动作的平均识别率达到99.375%.实验结果表明,支持向量机分类器的识别率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且鲁棒性好,并具有良好的泛化推广能力.

  3. 所属分类：网络基础

    • 发布日期：2009-07-18
    • 文件大小：309248
    • 提供者：shushenlw

  1. 支持向量机导论李国正译

  2. 包含机器学习、数据挖掘、神经网络，可以应用于各个领域

  3. 所属分类：网络基础

    • 发布日期：2009-08-02
    • 文件大小：6291456
    • 提供者：pdfmitten

  1. 支持向量机MATLAB非线性回归

  2. 支持向量机非线性回归通用MATLAB源码 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。

  3. 所属分类：网络基础

    • 发布日期：2010-09-30
    • 文件大小：8192
    • 提供者：zhangy21cn

  1. 支持向量机与神经网络算法的理论

  2. 对支持向量机和神经网络算法的理论研究，这样可以更好的有助于理解。

  3. 所属分类：软件测试

    • 发布日期：2011-05-09
    • 文件大小：983040
    • 提供者：wenlong3378

  1. 神经网络、遗传算法、支持向量机、退火算法等算法matlab源码、工具包及数据集

  2. 资源中包含神经网络、遗传算法、支持向量机、退火算法、粒子群算法等算法matlab源码、工具包及数据集。

  3. 所属分类：机器学习

    • 发布日期：2017-11-04
    • 文件大小：2097152
    • 提供者：csdnnewyh

  1. 基于混合核函数支持向量机的顶板砂岩富水性研究

  2. 为了寻求一种能够较好地预测煤层顶板砂岩富水性等级的方法,以桑树坪煤矿为例,分别采用BP神经网络、K最近邻分类法、决策树和支持向量机算法对其顶板砂岩富水性进行预测。比较发现,基于支持向量机的预测模型准确率最高为87.5%,节点错误率最低,优于其他3种模型。为了进一步提高模型预测准确率,建立了煤层顶板砂岩富水性的混合核函数支持向量机预测模型,当λ1=0.05与λ2=0.95时预测准确率达到100%。研究结果表明,以条件属性作为输入、决策属性作为输出的混合核函数支持向量机预测模型能较好地预测煤层顶板砂

  3. 所属分类：其它

    • 发布日期：2020-04-24
    • 文件大小：526336
    • 提供者：weixin_38723559

  1. 基于最小二乘支持向量机的动力配煤着火特性预测模型

  2. 将最小二乘支持向量机建模方法引入到动力配煤着火特性的分析建模中,针对配煤指标中计算困难的着火温度指标建立了最小二乘支持向量机模型,一方面克服了神经网络算法的过拟合、泛化能力弱等缺点;另一方面提高了求解过程的计算速度。采用微粒群算法(PSO)对模型参数进行优化,模型留一验证得到预测均方误差为8.60,相关系数为0.93,对65个样本进行预测分析,得到较高的预测精度。因此采用最小二乘支持向量机方法可以实现较精确的配煤着火温度预测。

  3. 所属分类：其它

    • 发布日期：2020-05-31
    • 文件大小：276480
    • 提供者：weixin_38676058

  1. 支持向量机回归算法与应用研究 Algorithm and Application Research of Support Vector Machine Reg

  2. 【摘要】 基于数据的机器学习是现代智能技术中的重要方面。统计学习理论(SLT)是一种专门研究小样本情况下机器学习规律的理论，它建立在一套较坚实的理论基础之上的，为解决有限样本学习问题提供了一个统一的框架也发展了一种新的通用学习方法一支持向量机(SVM)，较好的解决小样本学习问题。与神经网络等其它学习方法相比，它的结构通过自动优化的方法计算出来，并且避免了局部最小点、过学习等缺陷。 以往大部分研究主要集中在支持向量机分类理论和应用上，近年来关于支持向量机回归(SVMR)的研究也显示出其优异的性能。

  3. 所属分类：互联网

    • 发布日期：2020-07-04
    • 文件大小：3145728
    • 提供者：songzailu6482

  1. 煤自燃极限参数的支持向量机预测模型

  2. 建立了基于支持向量机(Support Vector Machine,SVM)的煤自燃极限参数预测模型;经过与多项式函数及Sigmoid核函数的对比,选用径向基函数作为SVM核函数;提出了一种SVM参数优化的变步长搜索方法,先在一个大区域根据训练样本均方差的值改变参数搜索步长,找到一个性能好的小区域,在这个小区域中应用网格搜索法找到最优参数,可提高参数搜索速度.实验表明,与人工神经网络模型相比,在样本有限的情况下,基于支持向量机的煤自燃极限参数预测模型预测精度更高、速度更快,说明支持向量机技术在煤

  3. 所属分类：其它

    • 发布日期：2020-07-19
    • 文件大小：989184
    • 提供者：weixin_38682242

  1. DSP中的改进遗传算法的支持向量机特征选择的设计和实现

  2. 支持向量机是由Vapnik领导的AT&TBell实验室研究小组在1963年提出的一种新的非常有潜力的分类技术，SVM是一种基于统计学习理论的模式识别方法，主要应用于模式识别领域。由于当时这些研究尚不十分完善，在解决模式识别问题中往往趋于保守，且数学上比较艰涩，这些研究一直没有得到充分的重视。直到90年代，统计学习理论 （Statistical Learning Theory，SLT）的实现和由于神经网络等较新兴的机器学习方法的研究遇到一些重要的困难，比如如何确定网络结构的问题、过学习与欠学习问题

  3. 所属分类：其它

    • 发布日期：2020-10-23
    • 文件大小：229376
    • 提供者：weixin_38693476

  1. 基于支持向量机的火灾探测技术

  2. 针对目前火灾探测方面的不足，提出了基于支持向量机的火灾探测技术。基于HSI颜色模型提取出火灾火焰疑似区域，在图像处理技术基础上获得早期火灾火焰的五个主要特征，采用支持向量机技术进行火灾识别。Matlab仿真实验证明，基于支持向量机的火灾探测技术识别率高，克服了神经网络过学习、容易陷入局部极小点等不足。该技术的研究在火灾探测领域具有重要的理论意义和实用价值。

  3. 所属分类：其它

    • 发布日期：2020-10-23
    • 文件大小：316416
    • 提供者：weixin_38703906

  1. 基于改进遗传算法的支持向量机预测模型研究

  2. 作为一种新的机器学习方法，支持向量机的参数选择没有一个统一的模式和标准。为了克服这一缺点，对遗传算法进行改进，构造一种混沌云自适应模拟退火遗传算法（CCASAGA）对支持向量机回归参数进行优化。该算法将混沌优化、基于云模型的自适应控制机制和模拟退火的Metropolis准则结合起来，并采取精英保持策略加快算法的收敛速度。利用改进后的CCASAGA-SVR预测模型对某股份制银行ATM机现金需求进行预测，并引入GA-SVR模型和BP神经网络模型进行对比，从而证实该预测模型具有更高的预测精度。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：431104
    • 提供者：weixin_38689191

  1. 机器学习推导+python实现（九）：线性支持向量机

  2. 写在开头：今天将跟着昨天的节奏来分享一下线性支持向量机。 内容安排 线性回归（一）、逻辑回归（二）、K近邻（三）、决策树值ID3（四）、CART（五）、感知机（六）、神经网络（七）、线性可分支持向量机（八）、线性支持向量机（九）、线性不可分支持向量机（十）、朴素贝叶斯（十一）、Lasso回归（十二）、Ridge岭回归（十三）等。 昨天再分享线性可分支持向量机的时候，大家不免会发现其既定前提是数据线性可分，但实际生活中对于线性可分的数据来说还是比较少，那么如何在线性可分支持向量机的基础上进行改机使

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：173056
    • 提供者：weixin_38565818

  1. 机器学习算法总结2:感知机和支持向量机

  2. 感知机于1957年由Rosenblatt提出，是神经网络与支持向量机的基础。感知机二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1二值，该模型属于判别模型，旨在求出将训练数据进行线性划分的分离超平面。 1.模型： 假设数据集满足线性可分性，由输入空间到输出空间的决策函数如下： w为权值(或权值向量)，b为偏置，w·x表示w和x的内积，sign是符号函数，即： 1.向量内积(向量点乘、数量积)：对两个向量的对应位置一一相乘求和的结果，点乘的结果是一个标量； 2.向

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：174080
    • 提供者：weixin_38663452

  1. 基于扩展的径向基函数核支持向量机的产品销售预测模型

  2. 针对产品销售时序具有多维度，非线性的特征，通过设计了一种扩展的RBF核函数，将其应用于支持向量机中，得到一种扩展的RBF核支持向量机(ERBF-SVM: Expanded Radial Basis Function - Support Vector Machine)；同时设计了一种改进的免疫优化算法对其参数进行寻优。 该方法被应用于汽车销售预测实例中，并与BP神经网络(BPNN)、采用一般RBF核的支持向量机(v-SVM: v-Support Vector Machine)及多尺度支持向量机（M

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：671744
    • 提供者：weixin_38523251

  1. 基于启发式方法和径向基函数神经网络及支持向量机的热致液晶向列相变温度研究

  2. 已经成功开发了定量结构-性质关系（QSPR）模型，用于预测42种热致液晶的向列转变温度（TN）。 利用启发式方法（HM），径向基函数神经网络（RBFNN）和支持向量机（SVM）来构建线性和非线性QSPRs模型。 分别。 比较在这三个模型上获得的整体结果，RBFNNs模型要好得多。 基于RBFNN建立的最佳QSPRs模型的平方相关系数（R-2）为0.984、0.953、0.973，训练集，测试的均方根（RMS）误差为2.19、4.13和2.99集和整个集。 本文对数据集进行了一些分析和评估。 所有

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：317440
    • 提供者：weixin_38593823

  1. 支持向量机多类分类的数字调制方式识别

  2. 针对神经网络存在的过学习、欠学习、局部极小值等问题,提出了一种基于支持向量机(SVM)的数字调制方式的识别方法。从信号的瞬时幅度,瞬时相位,瞬时频率,频谱,包络变化等特性中提取了7个特征参数,用于训练支持向量机。运用二叉树理论设计多类分类器,与已有算法相比,具有简单、高速、高精度的特点。仿真结果证明,在高斯白噪声(AWGN)下,当信噪比大于15dB时,对2ASK、4ASK、8ASK、2FSK、4FSK、8FSK、BPSK、QPSK、8PSK调制方式的识别率可以达到97%以上。

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：78848
    • 提供者：weixin_38633967

  1. 基于小波包分析和支持向量机的光时域反射仪光缆故障识别

  2. 针对传统故障识别方法过程复杂、用时长、准确率低等问题, 提出了一种基于小波包分析和支持向量机的光纤故障自动识别方法。对光时域反射仪采集的数据进行事件点定位, 选择最优基小波和尺度完成事件信号的分解和重构, 提取归一化的小波包能量作为事件信号的特征向量; 建立支持向量机模型, 将特征向量作为输入进行训练和测试, 最终实现故障识别。实验对机载光缆中由连接器引起的反射事件和弯折引起的非反射事件进行二分类测试, 总样本数为2500。实验结果表明, 当训练样本数为1750, 测试样本数为750时, 该方法

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：5242880
    • 提供者：weixin_38576561

  1.  基于支持向量机的发电机匝间转子绕组短路故障诊断

  2. 具有结构风险最小化原则的支持向量机（SVM）对于小样本决策具有较好的学习推广性，并且故障样本的不足在一定程度上制约了基于知识的方法在故障诊断中的运用。针对这一问题，提出了利用支持向量机的方法对匝间转子绕组短路故障诊断方法。该方法利用小波分析对探测线圈测得感应电动势进行处理构造特征向量，然后输入到支持向量机的多故障分类器中进行故障识别。实验数据表明该方法是可行、有效的，并且在小样本的情况下，较BP神经网络有更好的分类效果。

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：640000
    • 提供者：weixin_38616505

  1. 基于支持向量机的水声信号多分类器设计

  2. 目标分类器是水下目标自动识别系统的重要组成部分，目前水下目标分类的方法主要有统计分类、神经网络和专家系统等三大类的分类方法。支持向量机（SVM，Support Vector Machine）是根据统计理论提出的一种新的算法，该算法具有良好的泛化性能，不仅对训练样本的分类性能较好，对未知的检验样本同样具有好的分类效果，特别适用于小样本数据的分类。本文将该算法推广至多分类情况，并对三类水声信号样本进行分类试验。实验结果表明，该算法可以有效的避免 “维数灾难”问题，且分类正确率高于传统的神经网络分类器

  3. 所属分类：其它

    • 发布日期：2021-01-28
    • 文件大小：7340032
    • 提供者：weixin_38665449
« 12 3 4 5 6 7 8 9 10 ... 14 »