选取基于日特征气象因素的支持向量机预测方法，用Matlab编制模型的算法程序，从数据集中选取若干天数的历史数据作为模型的训练集，其余的数据作为测试集，模型最终能够实现对测试集中不同日期的负荷大小预测 ,完整程序 附带WORD讲解（MATLAB）

手写数字识别BP、CNN神经网络，可运行，含有图片、数据、MATLAB源代码。

  深度神经网络（DNN）在各种任务中取得了前所未有的成功，但是，这些模型性能直接取决于它们的超参数的设置。在实践中，优化超参数仍是设计深度神经网络的一大障碍。在这项工作中，我们建议使用粒子群优化算法（PSO）来选择和优化模型参数。在MNIST数据集上的实验结果显示：通过PSO优化的CNN模型可以得到不错的分类精度，此外，PSO 还可以提高现有模型结构的性能，PSO是自动化超参数选择和有效利用计算资源的有效技术。 针 对CＮＮ 算法的收敛速度较慢、过 拟合 等问题, 文章提出一种基于PSO和 CNN 模型的图像分类方法，在分析完CNN各超参数对其性能的影响后，引入 PSO 算法进行寻优以增强CNN网络模型的特征提取能力,模型将CNN算法中需要训练的参数作为粒子进行优化，将 更 新 的 参 数 用 于ＣＮＮ 算 法 的 前 向 传播，调整网络连接权矩阵迭代，直到误差收敛，停止算法，以达到最终的模型优化。

基于R语言e1071包在SVM模型中使用递归特征消除法（RFE）筛选出的最优的特征模型

1.SVM框架 2.可实现多输出

摘要I第一章 绪论 11.1 研究背景及意义 11.2 国内外研究动态 21.3 论文结构 3第二章 支持向量机理论基础 52.1 引言52.2 统计学习理论

本套代码是本人根据svm的原理纯写的代码，并没有调用已经封装好的包，非常适用于初学者从原理上了解svm，包括线性svm

使用MNIST数据集训练，对手写数字识别率达99.04％。网络架构、训练过程可视化

《机器学习与数据挖掘》——期中考查作业问题:探索神经络在图像分类任务上的应。在给定数据集 CIFAR-10 的训练集上训练模型，并在测试集上验证其性能。

cnn卷积神经网络