针对支持向量机(SVM)参数难以选择和确定的问题,采用一种新式元启发式优化算法——多元宇宙优化算法(MVO).并在传统多元宇宙优化算法(MVO)的基础上针对TDR值下降速度慢而导致旅行距离增加的问题,提出改进多元宇宙优化算法(IMVO),将改进多元宇宙优化算法用于支持向量机的参数优化和选择问题上.使用UCI标准数据库中的数据进行数值仿真实验.研究结果表明:采用改进多元宇宙优化算法优化的支持向量机有较强的寻优性能,稳定性较好.
2021-11-22 20:59:32
897KB
1
【预测模型】基于混沌灰狼算法优化支持向量机SVM实现分类matlab源码.zip
2021-11-22 09:17:38
1.32MB
1
采用最小二乘双支持向量机(LSTSVM)进行情感识别，针对LSTSVM模型的惩罚系数及核函数参数难以确定的问题，使用改进的萤火虫算法（MFA）来优选LSTSVM的各项参数，使分类器取得最优的性能。基于脑电、皮肤电、肌电和呼吸4种模态的生理信号，使用该算法进行情感识别，并与使用标准LSTSVM和粒子群LSTSVM算法的识别结果比较。仿真分析表明，提出的MFA-LSTSVM算法识别准确率更高，需要的训练时间更短。
2021-11-22 08:53:45
566KB
1
3．两个向量或矩阵对应元素的比较
函数max和min还能对两个同型的向量或矩阵进行比较，调用格式为：
(1) U=max(A,B)：A,B是两个同型的向量或矩阵，结果U是与A,B同型的向量或矩阵，U的每个元素等于A,B对应元素的较大者。
(2) U=max(A,n)：n是一个标量，结果U是与A同型的向量或矩阵，U的每个元素等于A对应元素和n中的较大者。
min函数的用法和max完全相同。
例6-3 求两个2×3矩阵x, y所有同一位置上的较大元素构成的新矩阵p。
2021-11-21 15:39:13
702KB
1
SVM支持向量机算法的详细推导(详细到每个步骤_值得推荐)，简单易懂，有清晰的注释以及代码详解，对SVM爱好者来说绝对的福音
2021-11-21 14:34:07
1.15MB
1
半监督支持向量机回归模型研究，冀杰，程玉虎，利用支持向量机和K近邻学习器的优点，提出一种半监督支持向量机回归模型。支持向量机通过选择高置信度的未标记样本加以标记，并��
2021-11-20 11:11:35
250KB
1