您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 支持向量机SVM理论基础和应用

  2. 该软件可以解决C- SVM分类、-SVM分类、-SVM回归和-SVM回归等问题,包括基于一对一算法的多类模式识别问题。在第2章中我们也介绍了该软件的一些优点,因此通过综合考虑,我们决定采用该软件作为工作软件。SVM用于模式识别或回归时,SVM方法及其参数、核函数及其参数的选择,目前国际上还没有形成一个统一的模式,也就是说最优SVM算法参数选择还只能是凭借经验、实验对比、大范围的搜寻或者利用软件包提供的交互检验功能进行寻优。
  3. 所属分类:其它

    • 发布日期:2009-05-15
    • 文件大小:36864
    • 提供者:xiahan0823
  1. 基于RBF核函数的支持向量机参数选择

  2. 由于SVM 在各个领域中得到越来越广泛的应用,而决定SVM 性能的因素是核函数的选取. 其中,RBF核函数是应用最广泛的核函数,且有两个参数:惩罚因子c和核参数y.
  3. 所属分类:制造

    • 发布日期:2011-04-08
    • 文件大小:217088
    • 提供者:bxiaojing
  1. PSO优化SVM参数

  2. 简单的PSO算法用来进行参数寻优,从而优化SVM的惩罚参数c和核参数g
  3. 所属分类:其它

    • 发布日期:2012-10-06
    • 文件大小:4096
    • 提供者:huamoxiaomu
  1. 基于优化算法的核函数参数选择的研究

  2. 基于优化算法的核函数参数选择的研究,用于svm核参数的选取
  3. 所属分类:C/C++

    • 发布日期:2015-08-04
    • 文件大小:412672
    • 提供者:cwj969937068
  1. svm核函数及参数优化

  2. svm核函数及参数优化,实现多类分类并进行参数优化
  3. 所属分类:专业指导

    • 发布日期:2015-11-22
    • 文件大小:3145728
    • 提供者:yangfang2111
  1. SVM源码:libsvm

  2. 官方网站 http://www.csie.ntu.edu.tw/~cjlin/libsvm/ 参考网页 http://baike.baidu.com/view/598089.htm 实现语言:C语言 LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包,他不但提供了编译好的可在Windows系列系统的执行文件,还提供了源代码,方便改进、修改以及在其它操作系统上应用;该软件还有一个特点,就是对SVM所涉及的参数调节相
  3. 所属分类:C

    • 发布日期:2008-11-24
    • 文件大小:563200
    • 提供者:cat_ng
  1. SVM参数选择的文献

  2. SVM参数选择的详细介绍,有关核参数、参数方法的选择。
  3. 所属分类:专业指导

    • 发布日期:2009-03-19
    • 文件大小:1048576
    • 提供者:u013538418
  1. 理解SVM核函数和参数的作用

  2. 支持向量机(SVM)在很多分类问题上曾经取得了当时最好的性能,使用非线性核的支持向量机可以处理线性不可分的问题。仅仅通过一个简单的核函数映射,就能达到如此好的效果,这让我们觉得有些不可思议。核函数过于抽象,在本文中,SIGAI将通过一组实验来演示核函数的有效性,并解释支持向量机各个参数所起到的作用,让大家对此有一个直观的认识。如果要了解SVM的理论,请阅读我们之前的公众号文章“用一张图理解SVM的脉络”
  3. 所属分类:机器学习

    • 发布日期:2018-06-26
    • 文件大小:587776
    • 提供者:sigai_csdn
  1. SVM案例参数优化

  2. 在案例12中我们采用SVM来做分类预测,达到了较满意的结果,但用SVM做分类预测时需要调节相关的参数(主要是惩罚参数c和核函数参数g)才能得到比较理想的预测分类准确率,那么SVM的参数该如何选取呢?有没有最佳的参数呢?采用cross validation的思想可以在某种意义下得到最优的参数,可以有效的避免过学习和欠学习状态的发生,最终对于测试集合的预测得到较理想的准确率.采用实例验证表明,用cross validation选取出的参数来训练SVM得到的模型比随机的选取参数训练SVM得到的模型在
  3. 所属分类:机器学习

    • 发布日期:2018-08-08
    • 文件大小:294912
    • 提供者:czczkok
  1. MFOA-SVM在采煤工作面瓦斯涌出量预测中的应用

  2. 针对新安煤矿采煤工作面瓦斯涌出量系统时变非线性特点,建立改进果蝇算法(MFOA)支持向量机(SVM)预测模型。利用FOA具有运算简单、收敛速度快、寻优精度高等优势来优化SVM核函数参数g、惩罚因子c和不敏感损失函数ε,但FOA也存在可能陷入局部最优的不稳定缺陷,则嵌入三维搜索、混沌优化、自适应变步长和最优保留策略进行改进,并利用Rosenbrock测试函数和采煤工作面瓦斯涌出量历史数据进行试验分析,结果表明:该模型预测平均相对误差为2.16%,比其他预测模型具有更高的预测精度、更快的收敛速度、更
  3. 所属分类:其它

    • 发布日期:2020-05-05
    • 文件大小:376832
    • 提供者:weixin_38740201
  1. 基于SVM的GPS高程拟合模型研究

  2. 文中介绍了SVM的基本原理和拟合模型,研究了选取不同的核函数、不同的误差惩罚参数C、不同的核参数g、不同的学习样本数对GPS高程拟合精度的影响规律。研究结果表明,采用RBF核函数具有最好的拟合效果,过大和过小C、g值都不能取得好的拟合效果,学习训练时应尽可能多的提供学习样本的数量以提高拟合精度。
  3. 所属分类:其它

    • 发布日期:2020-04-26
    • 文件大小:238592
    • 提供者:weixin_38747566
  1. 一种RBF核SVM的参数选择方法

  2. 一种RBF核SVM的参数选择方法,丁允静,闫志刚,讨论了参数误差惩罚参数、核参数对RBF核SVM推广能力的影响,分析了误差惩罚参数、核参数取值的合理范围。在此基础上,对双线性网格
  3. 所属分类:其它

    • 发布日期:2020-02-14
    • 文件大小:480256
    • 提供者:weixin_38657835
  1. 基于改进PSO算法和LS-SVM的短期电力负荷预测

  2. 针对电力负荷的小样本、非线性、高维数和局部极小点等问题,提出采用最小二乘支持向量机方法建模,以历史负荷、温度、湿度等数据作为输入量,对短期电力负荷进行预测;针对最小二乘支持向量机在建模中存在的参数选取问题,采用一种根据种群多样性信息来指导初始种群选取和避免粒子早熟收敛现象的改进粒子群优化算法来优化最小二乘支持向量机的惩罚因子和核参数。仿真结果表明,基于改进粒子群优化算法和最小二乘支持向量机的短期电力负荷预测方法较最小二乘支持向量机预测方法、基于基本粒子群优化算法和最小二乘向量机的预测方法具有更好
  3. 所属分类:其它

    • 发布日期:2020-05-29
    • 文件大小:257024
    • 提供者:weixin_38635323
  1. 基于改进粒子群优化SVM的通风机故障诊断

  2. 针对支持向量机在故障诊断中参数的选取问题,提出一种改进的粒子群优化算法,对支持向量机的惩罚因子与核参数进行优化。为了克服传统粒子群算法前期收敛快、后期易陷入局部最优的缺陷,提出一种惯性权重自适应调整的粒子群优化算法,建立基于粒子群和支持向量的通风机故障诊断模型,通过样本数据对模型进行训练与测试,实现了通风机故障的识别,结果表明该模型对通风机故障的诊断是可靠的。
  3. 所属分类:其它

    • 发布日期:2020-07-03
    • 文件大小:307200
    • 提供者:weixin_38651445
  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. 详解python 支持向量机(SVM)算法

  2. 相比于逻辑回归,在很多情况下,SVM算法能够对数据计算从而产生更好的精度。而传统的SVM只能适用于二分类操作,不过却可以通过核技巧(核函数),使得SVM可以应用于多分类的任务中。 本篇文章只是介绍SVM的原理以及核技巧究竟是怎么一回事,最后会介绍sklearn svm各个参数作用和一个demo实战的内容,尽量通俗易懂。至于公式推导方面,网上关于这方面的文章太多了,这里就不多进行展开了~ 1.SVM简介 支持向量机,能在N维平面中,找到最明显得对数据进行分类的一个超平面!看下面这幅图: 如上图
  3. 所属分类:其它

    • 发布日期:2020-12-16
    • 文件大小:205824
    • 提供者:weixin_38557727
  1. 基于GRA与SVM-mixed的货运量预测方法

  2. 铁路货运量与其影响因素之间关系复杂,单一核函数支持向量机(SVM)难以 进行准确描述,而且各因素对铁路货运量的影响程度具有差异性,若忽略这种差异性,将 难以获得理想的铁路货运量预测结果.为此,本文提出一种基于灰色关联分析(GRA)与混 合核函数支持向量机(SVM-mixed)的铁路货运量预测方法.该方法采用灰色关联分析确 定各影响因素的权重,再将赋予权重的影响因素作为输入变量,构建多项式核函数与径 向基核函数线性组合的SVM-mixed预测模型.针对SVM-mixed参数难以确定问题,采用 果蝇
  3. 所属分类:其它

    • 发布日期:2021-03-14
    • 文件大小:1048576
    • 提供者:weixin_38669674
  1. PCA和布谷鸟算法优化SVM的遥感信息提取

  2. 为了进一步提高遥感矿化蚀变信息提取的精度,本文提出了一种基于主成分分析PCA (Principal Component Analysis)和布谷鸟算法优化支持向量机SVM (Support Vector Machine)的遥感矿化蚀变信息提取方法。首先,通过波段比值法增强研究区遥感图像中的矿化蚀变信息,并获得比值图像;然后,对比值图像进行主成分分析,进而提取训练样本;接着,利用SVM对训练样本进行训练,同时采用布谷鸟算法求取SVM的最优核参数及惩罚因子,构造最优SVM模型;最后,运用最优SVM
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:1048576
    • 提供者:weixin_38663837
  1. 一种混合核函数SVM建模方法及其应用

  2. 为了提高模型的泛化能力和精度,提出了一种基于混合核函数的支持向量机(SVM)建模方法。所提出的混合核函数由径向基函数和多项式函数加权组合而成,克服了支持向量机模型中单个核函数的局限性。并利用量子粒子群算法(QPS0)对惩罚系数、核参数以及混合权重系数进行综合寻优,求取最优化参数组合,从而提高模型的精度。采用锌湿法冶炼净化过程现场数据对建模的方法进行了测试,结果表明,所提出的混合核函数支持向量机模型具有较好的泛化性能和预测精度,预测结果满足现场工艺生产的要求。
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:307200
    • 提供者:weixin_38599545
  1. 基于Fisher 准则和最大熵原理的SVM核参数选择方法

  2. 针对支持向量机(SVM) 核参数选择困难的问题, 提出一种基于Fisher 准则和最大熵原理的SVM核参数优选方法. 首先, 从SVM分类器原理出发, 提出SVM核参数优劣的衡量标准; 然后, 根据此标准利用Fisher 准则来优选SVM核参数, 并引入最大熵原理进一步调整算法的优选性能. 整个模型采用粒子群优化算法(PSO) 进行参数寻优. UCI 标准数据集实验表明了所提方法具有良好的参数选择效果, 优选出的核参数能够使SVM具有较高的泛化性能.
  3. 所属分类:其它

    • 发布日期:2021-01-14
    • 文件大小:205824
    • 提供者:weixin_38715879
« 12 3 4 5 »