细粒度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行准确预测研究。防法/过程」提出一种基于机器学习算法的研究热点趋势预测方法与分析框架,以基因工程领域为例利用主题概率模型识别WOS核心集中论文摘要数据研究热点主题并进行主题演化关联构建,然后选取BP神经网络、支持向量机及LSTM模型等3种典型机器学习算法进行预测分析,最后利用RE指标和精准度指标评价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。实验表明基于LSTM模型对热点主题未来发展趋势预测准确度最高,支持向量机预测效果次之,BP神经网络预测效果较差且预测稳定性不足,同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋势,可为我国学科领域大势研判和架构调整提供决策支持和参考。
1
用于网络安全态势预测的粒子群与支持向量机算法研究.pdf
2022-04-17 13:00:50 848KB 算法 web安全 支持向量机 数据结构
1.SVM多输入多输出 2.客服传统多输入单输出模式
1
1.里面有一片类似的轴承故障诊断论文 2.计算了VMD的能量熵和样本熵 3.做了多种数据集,包括单特征和多特征pca归一化 4.利用了粒子群算法优化SVM参数 5.python代码齐全
2022-04-16 18:09:44 5.05MB 支持向量机 机器学习 粒子群算法 python
自己编写的SVM支持向量机分类算法matlab仿真。不适用matlab工具箱,也不适用第三方工具箱。 case 'svc_c', C = p1; n = length(Y); H = (Y*Y').*kernel(ker,X,X); f = -ones(1,n); A = []; b = []; Aeq = Y'; beq = 0; lb = zeros(n,1); ub = C*ones(n,1); a0 = zeros(n,1); [a,fval,eXitflag,output,lambda]=quadprog(H,f,A,b,Aeq,beq,lb,ub,a0,options);
2022-04-16 09:07:32 4KB 支持向量机 matlab 分类 学习
多输入多输出SVM,可以直接运行,不能使用私信留言
1
使用emd和svm进行预测使用svm进行预测使用emd和svm进行预测使用svm进行预测使用emd和svm进行预测使用svm进行预测(Predicting with emd and svm Predicting with svm Predicting with emd and svm Predicting with svm Predicting with emd and svm Predicting with svm)
2022-04-13 22:05:29 1.65MB 支持向量机 算法 机器学习 SVM
机器学习中的多示例包层次SVM分类算法 【核心代码】Bag_KI_SVM.m KI-SVM ├── Bag KI-SVM │ ├── Bag_KISVM_prediction.m │ ├── Bag_KI_SVM.m │ ├── Find_y.m │ ├── Find_y_linear.m │ ├── Max_Violated_y_set.m │ ├── Readme.htm │ ├── celltomatrix.m │ ├── genIndex.m │ └── normalization_gaussian.m ├── Instance KI-SVM │ ├── Find_y.m │ ├── Find_y_linear.m │ ├── Inst_KISVM_prediction.m │ ├── Inst_KI_SVM.m │ ├── Max_Violated_y_set.m │ ├── Readme.htm │ ├── celltomatrix.m │ ├── genIndex.m │ └── normalizat
2022-04-13 22:05:28 648KB 支持向量机 机器学习 分类 算法
使用matlab实现蜂群SVM,粒子群SVM,遗传算法SVM,数据包含有公共数据集,公共图像数据集,图像特征提取用了词袋,保证可用(公共图像数据集太大,删除了)
2022-04-13 22:05:28 29.53MB 支持向量机 matlab 算法 机器学习