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. SVR算法程序（可运行）

  2. SVR实现程序，本程序是基于SVR算法而设计的程序， 可以运行，通过调试。可好的资料，千万别错过哦！！！！！！！！！！

  3. 所属分类：其它

    • 发布日期：2010-07-24
    • 文件大小：39936
    • 提供者：hezl520

  1. 模拟svr模拟svr

  2. 模拟svr模拟svr模拟svr模拟svr模拟svr模拟svr模拟svr模拟svr模拟svr模拟svr模拟svr模拟svr模拟svr

  3. 所属分类：C/C++

    • 发布日期：2011-06-03
    • 文件大小：4194304
    • 提供者：huang0715165

  1. local svr local svr

  2. local svr local svr

  3. 所属分类：其它

    • 发布日期：2012-07-23
    • 文件大小：8192
    • 提供者：shdetect

  1. 支持向量回归机(SVR)

  2. 详细了解支持向量机额的算法原理，进而明白SVR与SVM的区别，

  3. 所属分类：专业指导

    • 发布日期：2013-12-05
    • 文件大小：74752
    • 提供者：fasily

  1. 在线SVR，Matlab版本。直接可以使用

  2. 在线SVR，Matlab版本。直接可以使用。

  3. 所属分类：其它

    • 发布日期：2014-03-22
    • 文件大小：38912
    • 提供者：u012532159

  1. SVR简明版SVR

  2. 本文档对svr（支持向量回归机）作了简要的介绍，内涵一些常用的svr公式。

  3. 所属分类：其它

    • 发布日期：2014-06-01
    • 文件大小：136192
    • 提供者：xr1064

  1. SVR Python

  2. 利用python进行的svr计算

  3. 所属分类：Python

    • 发布日期：2016-11-23
    • 文件大小：853
    • 提供者：qq_16197305

  1. 基于SVR的激励合约量化分析方法研究_张振锋

  2. 激励合约优化模型包括道德风险、逆向选择和信号传递问题三个优化模型。近十年 来，激励合约优化模型的研究和应用基本上依赖解析分析的理论推导，其应用也仅停留 在定性分析层面，使得这一模型的研究和实际应用均受到很大限制。为了能使激励合约 优化模型更贴近实际应用，本文在分析和综合了已有成果的基础上，利用计算机仿真的 方法，提出了解决激励合约优化模型的量化计算方法，并运用这一方法，量化分析了道 德风险模型一个（底薪加提成线性支付方式）、逆向选择模型两个（一是委托人达到效 用最大化时，代理人在自然条件好与差

  3. 所属分类：金融

    • 发布日期：2017-09-16
    • 文件大小：945152
    • 提供者：gesicht_zeit

  1. 用C写的SVR代码，可以看一看

  2. 用C写的SVR代码，应该是不错的，我运行过的。看看吧

  3. 所属分类：C

    • 发布日期：2009-02-17
    • 文件大小：39936
    • 提供者：qq_29934997

  1. svr代码和RBF核函数

  2. svr代码和RBF核函数，可以对初学者进行指导，有一定的使用价值

  3. 所属分类：专业指导

    • 发布日期：2018-04-04
    • 文件大小：2048
    • 提供者：xiaoyu_aa

  1. python SVR的使用

  2. 使用python中的包进行SVR小实验，比较简单，也是参考了网上资源

  3. 所属分类：Python

    • 发布日期：2018-04-14
    • 文件大小：2048
    • 提供者：u012101603

  1. SVR(Python)的使用示例

  2. Python 语言调用SVR算法实现回归分析，代码示例，线性回归是利用数理统计中的回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。 在统计学中，线性回归(Linear Regression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。

  3. 所属分类：Python

    • 发布日期：2018-10-25
    • 文件大小：1024
    • 提供者：weixin_43286241

  1. R语言SVR代码

  2. 对数据做简单的SVR回归，基于R语言，有详细的代码，包括异常值的处理等

  3. 所属分类：算法与数据结构

    • 发布日期：2018-11-08
    • 文件大小：4096
    • 提供者：qq_42678768

  1. 基于SVR的人脸记忆分数预测算法研究.pdf

  2. 基于SVR的人脸记忆分数预测算法研究.pdf

  3. 所属分类：机器学习

    • 发布日期：2020-05-11
    • 文件大小：2097152
    • 提供者：anitachiu_2

  1. 基于SVR的煤矿安全资源与安全状态作用机理模型

  2. 针对煤矿安全资源与安全状态的强非线性特征,划分了煤矿系统安全资源和安全状态级别,确定了输入向量集合和输出向量集合,建立了基于支持向量回归机(SVR)的安全资源与安全状态的作用机理模型,并分别利用网格搜索算法(GS)和粒子群算法(PSO)对模型进行了参数寻优,确定了支持向量回归机模型,通过实例分析验证了模型的有效性及适用性。研究结果表明:PSO算法得到的最优参数作为模型,较好地拟合了安全资源与安全状态间的非线性复杂关系,且模型有效性和推广能力更强。

  3. 所属分类：其它

    • 发布日期：2020-05-05
    • 文件大小：248832
    • 提供者：weixin_38595689

  1. SVR-Markov复合模型在采空区地表沉降预测中的应用

  2. 提出了一种支持向量回归机(SVR)-马尔科夫(Markov)复合预测模型,该模型能够更好地反映采空区地表沉降规律,能够比较准确地预测地表沉降量。通过碾子沟煤矿采空区治理工程监测数据与支持向量回归机-马尔科夫复合预测模型与支持向量回归机模型进行对比,证明马尔科夫复合预测模型能够在支持向量回归机模型的基础上提高采空区地表沉降预测的精度。

  3. 所属分类：其它

    • 发布日期：2020-05-03
    • 文件大小：714752
    • 提供者：weixin_38595473

  1. 基于SVR和地震属性的构造煤厚度定量预测

  2. 为了提高谱分解和甜面属性组合预测构造煤厚度的精度和可靠性,利用回归型支持向量机(SVR)的非线性处理能力,将SVR和地震属性相结合,研究采区构造煤厚度定量预测方法。在SVR预测模型建立时,以正演模型数据为基础,通过训练和测试获得SVR预测模型的主要参数;结合井旁道数据,建立了采区构造煤厚度SVR预测模型。通过输入实际谱分解属性和甜面属性,定量预测了构造煤厚度。相对于传统地震属性预测来说,本次所预测的构造煤厚度精度较高、误差较小。当核函数类型为径向基核函数、输入为谱分解属性和甜面属性时,预测模型的

  3. 所属分类：其它

    • 发布日期：2020-05-03
    • 文件大小：455680
    • 提供者：weixin_38626984

  1. 基于SVR消除EMD端点效应的研究及其在汽轮机油膜涡动故障中的应用

  2. 目前,经验模态分解(EMD)广泛应用在信号处理中,但应用过程中不可避免会有端点效应,如果处理不好会"污染"整个数据序列而使所得结果严重失真。对于边界问题的处理采用波形延拓是比较理想的一种方法,利用支持向量回归机(SVR)对原始信号两端进行波形延拓来处理端点效应并应用于汽轮机油膜故障分析中。该方法首先利用SVR分别对波形两端进行延拓,然后对延拓后的信号进行EMD分解,得到结果的中间部分即为原信号的EMD分解结果。实验结果表明,该方法能有效抑制EMD方法的端点效应,得到准确的分析结果。

  3. 所属分类：其它

    • 发布日期：2020-05-02
    • 文件大小：607232
    • 提供者：weixin_38725623

  1. 基于PCA-SVR的煤层底板突水量预测

  2. 提出了一种基于主成分分析支持向量机回归(PCA-SVR)的煤层底板突水预测方法,用主成分分析来解决输入变量的选择问题。主成分以较少的维数包含了高维变量所携带的大部分信息,这不仅避免了过多的输入导致训练速度慢,同时也保证了预测准确度。实例表明,所提方法可有效消除众多影响因素间的相关性,减少输入变量个数,提高预测效率和精度。

  3. 所属分类：其它

    • 发布日期：2020-04-24
    • 文件大小：1048576
    • 提供者：weixin_38639615

  1. 基于GA-SVR的采动覆岩导水裂隙带高度预测

  2. 为准确预测采动覆岩导水裂隙带高度,选择采厚、硬岩岩性比例系数、工作面斜长、采深作为采动覆岩导水裂隙带发育高度的主要影响因素,结合48组实测数据,应用支持向量机回归(SVR)和遗传算法(GA)参数寻优,建立了基于GA-SVR的采动覆岩导水裂隙带高度预测模型。采用该模型对钱家营矿辅271工作面和谢桥矿1121(2)工作面采动覆岩导水裂隙带高度进行预测,并将预测值与实测值进行了对比分析,其绝对误差分别为2.23 m和1.21 m。综合研究表明,应用该模型预测的覆岩裂隙带发育高度值准确、可靠,其精度能够

  3. 所属分类：其它

    • 发布日期：2020-04-21
    • 文件大小：848896
    • 提供者：weixin_38684509
« 12 3 4 5 6 7 8 9 10 ... 15 »