pso-SVM_PSO优化参数_psosvm_SVM优化matlab_svm优化_SVM_源码.zip

基于MATLAB下的支持向量机（SVM）GUI页面，可以实现分类和回归功能，并且里面有自己的详细说明，简单方面容易上手，并且还有相应的“libsvm-mat-2.89-3加强工具箱”和“libsvm-3.1-[FarutoUltimate3.1Mcode]”两种版本，可以实现SVM三种寻优方法 grid search、GA、PSO,童叟无欺。

基于二进制PSO算法的特征选择及SVM参数同步优化详细描述了二进制PSO算法的特征选择

一种基于累加PSO-SVM的网络安全态势预测模型.pdf

应用于matlab故障分类，载入测试数据wine

SVM使用的是lib-svm工具箱，LIBSVM 是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的 SVM 模式识别与回归的软件包，它不仅提供了编译好的可在 Windows 系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用； 该软件还有一个特点，就是对 SVM 所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross-SVM回归等问题，包括基于一对一算法的多类模式识别问题。

很好用！是粒子群算法与支持向量机的结合，性能优于传统的支持向量机

机器学习优化算法，粒子群优化的支持向量机matlab程序

将支持向量机理论引入振动机械故障诊断中,提出了新的故障诊断模型—PSO-SVM模型,并采用粒子群优化算法对支持向量机的参数进行优化,使得故障诊断结果更加准确。通过实例中的样本数据进行新模型的训练与测试,将其结果与传统神经网络相比,证明其模型具有更高的准确性。

支持向量机是一种基于统计学习理论的机器学习方法.在传统的支持向量机模型中,模型参数需要用试凑的办法,一个基于粒子群算法的参数选择机制,这可以大大减少模型的运算时间