k近邻法matlab原始码SNFpy
该软件包提供了Python的相似性网络融合（SNF）实现，该技术可将多个数据源组合到一个表示样本关系的图形中。
目录
如果您知道要去哪里，请随时跳转：
要求和安装
此软件包需要Python
3.5或更高版本。
假设您具有正确的Python版本，则可以通过打开命令终端并运行以下命令来安装此软件包：
git
clone
https://github.com/rmarkello/snfpy.git
cd
snfpy
python
setup.py
install
您可以使用以下方法从PyPi安装最新版本：
pip
install
snfpy
目的
相似性网络融合是最初提出的一种技术，用于将来自不同来源的数据合并为一组共享的样本。
该过程的工作原理是为每个数据源构造这些样本的网络，以表示每个样本与所有其他样本的相似程度，然后将网络融合在一起。
来自原始论文的此图将方法应用于遗传数据，提供了很好的演示：
相似性网络的生成和融合过程使用一种过程来降低样本之间较弱的关系的权重。
但是，在整个数据源之间保持一致的弱关系将通过融合过程得以保留。
有关SNF背后的数学
2021-08-16 19:23:32
573KB
1
为了有效提高天然气短期负荷预测的准确度，提出了一种集成果蝇优化算法和SVM (Support Vector Machine)的混合优化策略FOA-SVM。首先，采用K-近邻算法对燃气负荷样本中离群数据进行查找定位，并用特征曲线法对离群数据进行修正。其次，综合考虑节假日、日期类型以及天气等影响因素，建立了基于SVM 的天然气日负荷预测模型，并采用果蝇优化算法优化SVM 的模型参数。最后，采用宁夏平罗县居民燃气日负荷数据和多种通用的定量误差评价方法，对建立的预测模型的可行性和有效性进行了验证。仿真结果表明，基于果蝇优化算法和SVM 的组合优化方法相对于人工神经网络和单纯SVM 方法，具有更好的预测精度。
2021-08-12 20:55:20
640KB
1