1、线性回归，岭回归，Lasso回归，局部加权线性回归
2、logistic回归，softmax回归，最大熵模型
3、广义线性模型
4、Fisher线性判别和线性感知机
5、三层神经网络
6、支持向量机
2021-08-03 13:01:29
2.43MB
基于LSSVM优化组合的风速短期预测，周会友，滕婧，风速受地理环境等因素影响，具有很大的随机波动性，被认为是最难准确预测的参数之一。对风电场风速的准确预测，可有效缓解风速变
2021-07-29 16:37:45
609KB
1
回归分析，函数估计的SVM，有三个参数控制着SVR的性能，包括平衡参数 、 管道宽度和核参数 ，它们都需要预先给定。其中 定义了一个 不敏感函数，并控制着支持向量的数目。如果 管道宽度过大，那么支持向量的数目越少，其拟合函数将不能反映真实的函数特性；反之，如果 管道宽度过小，那么SVR的稀疏性将不能保证。
2021-07-29 12:15:21
403KB
1
研究贝叶斯证据框架下标准支持向量机和最小二乘支持向量机的估计算法和建模方法, 给出一种高斯核支
持向量机估计算法的参数选择和调整方法. 将贝叶斯证据框架下支持向量机的建模方法应用于非线性系统的辨识,
仿真结果表明, 该方法对于工业过程建模是十分有效的.
2021-07-24 21:13:52
308KB
1
针对湿式磨机在磨矿过程中负荷(ML)难以测量的特点,提出了一种基于核函数选择的多输出LSSVM磨机负荷软测量方法。引入能量熵的概念,借助超球体表示和核函数本身蕴涵的度量特征,提出基于样本分布能量熵的支持向量机核函数选择方法;利用LSSVM建立模型对多输入多输出磨机负荷进行软测量,且将据此测量的结果与BP神经网络测量结果进行了比较。仿真结果表明,借助样本分布能量熵选择LSSVM核函数,有助于SVM泛化能力和磨机负荷软测量准确率的提高。
2021-07-21 14:38:30
345KB
1