旅游客流量具有明显的非线性和季节性特征，所以采取季节调整方法对样本数据进行预处理，消除季节性的影响，可以提高客流量预测的准确性。同时SVR（支持向量回归机）是一种良好的机器学习方法，非常适合预测研究，辅以PSO（粒子群算法）选取合适的回归参数可以获得更加精确的预测结果。鉴于此，构建一种考虑季节影响的PSO-SVR模型，以北京为例将不同旅游客流量预测方法的拟合优度进行比较。结果显示：季节调整的PSO-SVR模型预测精度明显高于SVR、季节调整的SVR和PSO-SVR模型，该模型是进行旅游客流量预测的有效工具。
2021-02-20 20:20:13
923KB
1
粒子群（PSO）优化的极限学学习机（ELM），用粒子群优化算法优化的极限学习机，可用于数据的回归和分类，实测比单纯的极限学习机精度高的多。
2021-02-18 14:21:23
71KB
1
Tunning of PID controller using Particle Swarm Optimization（基于粒子群优化的PID控制器整定）包括完整的matlab程序以及simulink仿真。
2021-02-14 14:31:30
29KB
1
为了让广大学者更直观的了解例子群算法，作者编制了粒子群算法演示程序，能够直观的观察例子群算法的寻优过程，并提供了源程序，供广大学者学习交流。
2021-02-12 10:02:59
136KB
1
A novel image segmentation method combined Otsu and improved PSO
2021-02-09 09:06:35
139KB
1
Non linear equality and inequality constrained PSO（非线性等式与不等式约束PSO）利用粒子群算法求解非线性等式和不等式约束的最小值。包括matlab完整代码。
2021-02-08 10:55:22
2KB
1
Faster R-CNN+粒子群优化+图像配准
首先利用深度学习 Faster R-CNN，在训练好 训练集的情况下检测和提取当前帧中的目标，利用 5.1 节的动目标提取算法校验 目标；然后以此作为接下来配准的模板，利用多自由度的图像配准来求解图像变 换参数，并结合粒子群优化 PSO 的快速求解性能[20]，高速的配准定位、跟踪与 提取目标，将算法处理速度提升到了每秒 60 帧以上（配准时的速度）。在配准过 程中，如果出现配准相似度低于设定阈值，则认为目标跟踪失败，此时将重新利 用 Faster R-CNN 检测与提取新目标，并重复过程。
2021-01-28 04:57:41
3KB