负荷预测算法 使用多种算法（线性回归，随机森林，支持向量机，BP神经网络，GRU，LSTM）进行电力系统负荷预测/电力预测。通过一个简单的例子。各种算法（线性回归，随机森林，支持向量机，BP神经网络，GRU，LSTM）用于电力系统负荷预测/电力预测。

SVM支持向量机和逻辑回归进行心音信号简单二分类-附件资源

本次实验为使用LS-SVM预测，注意使用的为最小二乘方法，谢谢大家使用！另：本次实验为回归预测

是我的毕业设计 基于python SVM实现对手写数字的识别 代码完整 注解详细，适合新手学习参考。有可视化的手写框 下载后如果需要帮助，可以联系我。

基于支持向量机和卡尔曼滤波的机械零件剩余寿命预测模型研究

为了解决视频烟雾检测中特征提取难度较大、复杂度较高的问题,提出一种基于潜在语义(Latent Semantic Analysis,LSA)特征和支持向量机(Support Vector Machine,SVM)的烟雾检测算法。该算法首先将烟雾图像库中的每幅图像进行有重叠分块,提取每个分块的小波纹理与HSV颜色特征;再对所有分块特征进行聚类,量化成"视觉字",并且根据每个"视觉字"在每幅烟雾图像中出现的频率,建立"词-文档"矩阵;然后,采用LSA的方法获得每幅烟雾图像的潜在语义特征;最后,结合SVM,实现视频烟雾检测。对比实验表明,该算法特征提取简便,可以更快检测烟雾的发生,提高了烟雾检测效率。

使用MATLAB工具箱 libsvm实现了对葡萄酒的多分类 有完整的过程 简单修改就可以用 注释详细

本文介绍了python 支持向量机非线性回归SVR模型，废话不多说，具体如下： import numpy as np import matplotlib.pyplot as plt from sklearn import datasets, linear_model,svm from sklearn.model_selection import train_test_split def load_data_regression(): ''' 加载用于回归问题的数据集 ''' diabetes = datasets.load_diabetes() #使用 scikit-lear

澳大利亚预测明天是否会下雨，kaggle下载的原数据集，但在博客文章向量机专题04中在15w行的数据集中随机抽样5000个样本进行演示

针对非平衡数据分类问题,提出了一种改进的SVM-KNN分类算法,在此基础上设计了一种集成学习模型。该模型采用限数采样方法对多数类样本进行分割,将分割后的多数类子簇与少数类样本重新组合,利用改进的SVM-KNN分别训练,得到多个基本分类器,对各个基本分类器进行组合。采用该模型对UCI数据集进行实验,结果显示该模型对于非平衡数据分类有较好的效果。