支持向量机 (SVM) 是一种广泛用于分类和回归问题的算法。 在 SVM 中，惩罚参数 C 和内核参数会对 SVM 的复杂度和性能产生重大影响。 本文提出了一种最优觅食算法(OFA)来优化SVM的主要参数，减少分类误差。 实验结果表明，所提出的 OFA-SVM 获得了较好的结果。 此外，结果证明了所提出的 OFA-SVM 能够找到 SVM 参数的最佳值。
2022-02-10 15:51:59
62KB
1
CNN框架中，如何对其模型的超参数进行自动化获取一直是一个重要问题。提出一种基于改进的贝叶斯优化算法的CNN超参数优化方法。该方法使用改进的汤普森采样方法作为采集函数，利用改进的马尔可夫链蒙特卡罗算法加速训练高斯代理模型。该方法可以在超参数空间不同的CNN框架下进行超参数优化。利用CIFAR-10、MRBI和SVHN测试集对算法进行性能测试，实验结果表明，改进后的CNN超参数优化算法比同类超参数优化算法具有更好的性能。
2022-01-26 20:50:10
999KB
1
基于DEFORM的数控切削加工工艺参数优化：本文主要是基于DEFORM的数控切削加工工艺参数优化过程。
2022-01-17 09:56:58
1.18MB
1
微分方程的参数拟合 此程序的功能是 输出变量微分系统 输出变量 微分系统参数 输入变量 若输入已知通过实验设计得出不同输入下的输出值如果我知道微分系统的方程形式但是无法确定微分系统的参数做此程序的目的就是通过输入和输出确定最优化系统参数 这里只是给一个特例若自定义可在此结构下重写方法 需要建立以下文件 userFunction.py 的内容如下 targetFun.py solveODEFun.p
2021-12-30 01:04:18
143KB
针对传统PID控制系统参数整定过程存在的在线整定困难和控制品质不理想等问题，结合BP神经网络自学习和自适应能力强等特点，提出采用BP神经网络优化PID控制器参数。其次，为了加快BP神经网络学习收敛速度，防止其陷入局部极小点，提出采用粒子群优化算法来优化BP神经网络的连接权值矩阵。最后，给出了PSO-BP算法整定优化PID控制器参数的详细步骤和流程图，并通过一个PID控制系统的仿真实例来验证本文所提算法的有效性。仿真结果证明了本文所提方法在控制品质方面优于其它三种常规整定方法。
2021-12-15 16:47:49
706KB
1
针对电学层析成像技术的反问题求解，提出一种新的正则化图像重建算法及正则参数选择方法．采用最小二乘拟合法构建正则参数与评价参数的 Matlab 数学模型，取极值获得正则参数值；利用 COMSOL Multiphysics 建立仿真场域，最后利用 Matlab 求解反问题，重建图像．通过对重建图像及评价参数的对比分析，验证了方法的有效性．结果表明，所用方法及正则参数能够有效改善反问题的病态性，使反问题的求解质量最优．
2021-12-09 10:23:03
466KB
1
提出了一种基于多特征提取和支持向量机(support vector machines,SVM)参数优化的车型识别方法,此方法解决了采用单一特征容易受到光照、天气、阴影等环境影响的问题,并且可以对运动中的车辆进行车型识别。首先,采集车辆样本并进行图像预处理,提取车辆的几何特征、纹理特征和方向梯度直方图(histogram of oriented gradient,HOG)特征;其次,将提取的多种特征量进行组合测试,并与单个特征量的测试结果进行比较;最后,采用粒子群算法优化SVM的参数并使用优化的SVM参数进行运动车辆的车型识别。实验结果表明:提出的多特征提取和SVM参数优化相结合的车型识别方法能够取得很好的识别效果,识别率达到90%以上。
2021-12-07 10:40:36
618KB
1