【SVM分类】基于粒子群算法优化支持向量机实现葡萄酒数据分类附matlab代码
2022-05-28 16:09:35
474KB
1
针对传统水质预测方法中水质因子的多重相关性造成预测精度低的问题,提出了一种将偏最小二乘法和支持向量机相耦合的水质预测方法。利用偏最小二乘法提取对水质因子影响强的成分,从而克服了信息冗余问题,并降低了支持向量的维数。利用支持向量机建模可以较好地解决高维非线性小样本问题。同时利用改进的PSO算法优化SVM参数,减小参数搜索的盲目性。研究结果表明,本耦合模型的预测精度和运行效率明显优于常用的BP人工神经网络和传统的支持向量机,可以更好地应用于水质预测。
2022-05-27 13:15:51
1.13MB
1
人工智能-项目实践-植物分类-基于SVM的Plant Seedlings Classification植物分类
基于SIFT特征、颜色特征、HOG特征的SVM分类模型，使用的是传统的特征提取和机器学习的方法。未涉及神经网络等深度学习方法
本模型在Kaggle平台提交后可以达到0.9的Score
2022-05-26 12:05:51
60KB
采用第三方SVM工具箱实现基于日特征气象因素的不同日期的电力负荷预测+含代码操作演示视频
运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。
2022-05-24 19:09:21
1002KB
时序预测 | MATLAB实现SVM(支持向量机)时间序列预测（完整源码和数据）
数据为一维时序列数据,运行环境MATLAB2018b及以上。
2022-05-24 19:09:20
139KB
自己编程实现基于SVM的电力负荷预测仿真,不使用MATLAB自带的SVM工具箱+含代码操作演示视频
运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。
2022-05-24 19:09:19
261KB