搜索资源列表
支持向量机参数优化
- 对支持向量机的参数 C和g 进行了参数优化，分三种：交叉验证优化、遗传算法优化和粒子群算法优化。
GA_SVM
- 自己编写的一个用遗传算法来优化支持向量机参数的程序，简单易懂哦-salgorithm using GAto optimization support vector machine procedure, can realize the support vector machine parameters optimization
psoSVM
- 利用微粒群算法（pso）优化支持向量机（SVM）的参数-c,-g-Using pso optimized support vector machine parameters-c,-g
lssvmpso
- 基于粒子群优化最小二乘支持向量机参数的程序，很好用-pos_lssvm
Regression_LS_SVMlab_PSO_LuHua
- 运用粒子群算法优化支持向量机的参数，效果比较好-The use of particle swarm optimization algorithm for support vector machine parameters, the effect is better
SSVM_MATLAB
- MATALB 编写的最小二乘支持向量机，可实现多分类问题，包含双参数优化。-LSSVM compiled by MATLAB language,It can realize multi-classification,and work very well.
GA
- 一个遗传算法 ，用于优化支持向量机的核函数参数及相关参数-A function about the parameters of svm
SVM_Short-term-Load-Forecasting
- 优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，
bayes
- matlab 贝叶斯推断优化最小二乘支持向量机参数的实例，速度更快-matlab Bayesian least squares support vector machine parameter optimization instance, faster
pso_svm
- 该文件为粒子群算法优化支持向量机模型参数的matlab代码 支持向量机模型为专门用于处理不平衡数据的成本控制型支持向量机模型 用粒子群算法优化模型中的三个主要参数：C1、C2、sigma-The file is in particle swarm optimization parameters of support vector machine model matlab code for support vector machine model designed for use with
chapter_GridSearch
- 利用网格法优化支持向量机参数的算法的程序(A program for optimizing the parameters of support vector machines using mesh method)
chapter_PSO
- 利用粒子群算法优化支持向量机参数的算法的程序(Particle swarm optimization algorithm using support vector machine parameters of the algorithm)
chapter13_PSO
- pso 算法对支持向量机进行参数寻优，能够寻找最优的支持向量机参数，并建立最佳模型(PSO algorithm for parameter optimization of support vector machines)
PSO-SVM-master
- 该代码为粒子群算法优化支持向量机模型(The code is a particle swarm optimization algorithm to optimize the support vector machine model)
pso-svm电力负荷预测
- 电力负荷预测是电力系统规划的重要组成部分，也是电力系统经济运行的基础，其对电力系统规划和运行都极其重要。利用粒子群算法优化支持向量机更加高效准确预测电力负荷。(The power load forecasting is an important part of the power system planning, and it is also the basis of the economic operation of the power system. It is very important
SVM_Short-term-Load-Forecasting2
- 本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，而目前依然是基于经验的办法解决。对此，本文采用粒子群优化算法对模型参数进行寻优，以测试集误差作为判决依据，实现模型参数的优化选择，使得预测精度有所提高。实际算例表明，本文的预测方法收敛性好、有较高的预测精度和较快的训练速度。(this
Parameter optimization
- 代码很齐全，包括用 最小二乘支持向量机进行参数优化，曲线拟合等(The code is complete, including parameter optimization, curve fitting and so on using least squares support vector machine.)
遗传算法优化支持向量机
- matlab实现的基于遗传算法优化的支持向量机
遗传优化向量机
- 通过优化的遗传算法来优化支持向量机的参数，很好用。(The parameters of support vector machine are optimized by optimized genetic algorithm, which is very useful.)
PSO SVM粒子算法优化的支持向量机
- 使用PSO优化SVR支持向量机模型的代码，有详细的输出及输出，以及代码说明(Use PSO to optimize SVR support vector machine model code, with detailed output and output, as well as code descr iption)