阐述了支持向量机应用于大气污染物时间序列预测的具体方法，建立了大气污染物时间序列的支持向量机预测模型。该方法将支持向量机应用于大气污染物浓度预测：首先通过选择合适的信息量准则来确定模型阶数；而后通过实验的方法选择参数从而形成支持向量机的训练样本集，在此基础上建立了基于支持向量机的时间序列大气污染预测模型。实例表明，无论是在仿真过程还是在预测过程， 支持向量机都具有很高的预测精度。因此，采用支持向量机方法对大气污染物时间序列进行预测分析是可行的。
2022-05-31 20:39:02
1.89MB
1
基于python的使用HOG与线性SVM作为分类器的目标检测算法设计与实现
2022-05-30 01:00:55
223KB
人工神经网络原理与仿真实例第2版 教学课件 高隽 第4章 支持向量机及其学习算法.ppt
2022-05-29 19:06:47
835KB