注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于自适应增强算法的支持向量机组合模型 .pdf

  2. 提出一种基于AdaBoosting算法的组合支持向量机(SVM)模型.该方法在贝叶斯分析的基础上,利用样本概率初始化惩罚系数,依据回归过程中的损失函数更新惩罚系数权重,使得SVM训练模型有强、弱之分,突出一些重要样本的作用,以提高模型的估计精度和泛化能力.仿真结果表明,依据该方法建立的组合模型明显改善了软测量模型的估计能力和泛化能力

  3. 所属分类：专业指导

    • 发布日期：2011-04-11
    • 文件大小：279kb
    • 提供者：smlping

  1. 支持向量机自回归分析

  2. 】针对股市的非线性和不确定性的特点，本文提出了一种基于 支持向量机自回归分析的股市动态预测模型。该模型利用滚动时间窗 动态截取股票时间序列，然后对其进行相空间重构，最后利用支持向量 机回归算法，在高维映射空间中求解线性回归问题。利用上证综指的 长期和短期数据对该模型的预测效果进行了验证，并将预测结果与 RBF神经网络预测模型进行了的对比。预测和对比结果表明，支持向 量机自回归预测模型具有较强的泛化能力，适合于股市预测。

  3. 所属分类：专业指导

    • 发布日期：2011-08-09
    • 文件大小：211kb
    • 提供者：wangchuang3317

  1. VC++数字图像模式识别技术及工程实践

  2. 目录 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主

  3. 所属分类：C++

    • 发布日期：2013-05-16
    • 文件大小：14mb
    • 提供者：a121649982

  1. Visual C++数字图像模式识别技术及工程实践工程源代码

  2. 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主要步骤

  3. 所属分类：C++

    • 发布日期：2013-05-17
    • 文件大小：14mb
    • 提供者：a121649982

  1. 应用预测建模 Applied Predictive Modeling

  2. 译者序 前言 第1章 导论 1.1 预测与解释 1.2 预测模型的关键部分 1.3 专业术语 1.4 实例数据集和典型数据场景 1.5 概述 1.6 符号 第一部分 一般策略 第2章 预测建模过程简介 2.1 案例分析：预测燃油效能 2.2 主题 2.3 总结 第3章 数据预处理 3.1 案例分析：高内涵筛选中的细胞分组 3.2 单个预测变量数据变换 3.3 多个预测变量数据变换 3.4 处理缺失值 3.5 移除预测变量 3.6 增加预测变量 3.7 区间化预测变量 3.8 计算 习题 第4章

  3. 所属分类：机器学习

    • 发布日期：2018-06-14
    • 文件大小：74mb
    • 提供者：u011051172

  1. sklearn0.19中文文档

  2. sklearn0.19中文文档 PDF格式高清。 .1. 广义线性模型 1.1.1. 普通最小二乘法 1.1.1.1. 普通最小二乘法复杂度 1.1.2. 岭回归 1.1.2.1. 岭回归的复杂度 1.1.2.2. 设置正则化参数：广义交叉验证 1.1.3. Lasso 1.1.3.1. 设置正则化参数 1.1.3.1.1. 使用交叉验证 1.1.3.1.2. 基于信息标准的模型选择 1.1.3.1.3. 与 SVM 的正则化参数的比较 1.1.4. 多任务 Lasso 1.1.5. 弹性网络

  3. 所属分类：机器学习

    • 发布日期：2018-10-30
    • 文件大小：14mb
    • 提供者：hardpen2013

  1. 信用评价与股市预测模型研究及应用：统计学、神经网络与支持向量机方法

  2. 信用评价是上市公司财务困境预警研究的重要手段之一。本书介绍了肖当前国际上常用的三种信用评级建模方法：参数统计方法、非参数统计方法和神经网络方法，并详细介绍了各种方法的研究背景，建立了多层感知器、BP算法网络、径向基函数网络、概率神经网络和自组织竞争网络5种神经网络信用评价模型，logistic回归模型和两种线性判别分析法，以及两种支持向量机方法，并利用这9种方法进行了两类模式分类及三类模式分类，探讨了以上各各方法的模式分类能力及其预警能力。最后，研究并建立了logistic回归预测模型、AR及

  3. 所属分类：IT管理

    • 发布日期：2019-03-07
    • 文件大小：10mb
    • 提供者：xiaobeike1234

  1. 易康用户操作手册.pdf

  2. 特别好的资源，希望大家可以用来进行学习e Cognition Developer9—用户指南 353分类(最邻近法)( Nearest Neighbor)135 354分类(亮度阈值)( Brightness Threshold) 37 3.6导出数据 DDDD面 DDDDDDD1 361导出(点) 362导出(多边形) 4教程引言 40 4.1形状识别 40 4.1.1将影像分为基木的对象 4.1.2识别背景 41 4.1.3形状和它们的属性 D I …,43 4.1.4完整的规则集… 44

  3. 所属分类：其它

    • 发布日期：2019-07-28
    • 文件大小：8mb
    • 提供者：qq_40178533

  1. 高炉铁水硅含量序列的支持向量机预测模型

  2. 基于包钢6号高炉的在线生产数据,首先建立铁水硅含量序列的自回归AR(p)模型,分析其滞后阶数;然后对硅含量的自回归项及影响因素进行主成分分析,找到多元变量相互独立的有效信息作为输入变量;最后建立铁水硅含量的支持向量机回归预测模型。该模型对炉温预测的准确度达到88.2%,对在线监测高炉炉温具有一定的实用价值。

  3. 所属分类：其它

    • 发布日期：2020-06-20
    • 文件大小：654kb
    • 提供者：weixin_38730767

  1. 基于线性和非线性回归方法的2-氨基-6-芳基磺酰基苯甲腈和同类HIV-1逆转录酶抑制剂的QSAR模型

  2. 进行了一系列HIV-1逆转录酶抑制剂（2-氨基-6-芳基磺酰基苄腈及其硫代和亚磺酰基同类物）的定量构效关系研究。 选择从CODESSA生成的拓扑和几何以及与量子力学能量相关和与电荷分布相关的描述符来描述分子。 主成分分析（PCA）用于选择训练集。 使用了六种技术：多元线性回归（MLR），多元自适应回归样条（MARS），径向基函数神经网络（RBFNN），广义回归神经网络（GRNN），投影追踪回归（PPR）和支持向量机（SVM）建立两个数据集的QSAR模型：抗HIV-1活性和HIV-1逆转录酶结合亲

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：534kb
    • 提供者：weixin_38623919

  1. Fuzzy Adaptive Feedback Regulation for StumblePre-warning of Lower Limb Prosthesis Based on the Correlation Analysis

  2. 针对穿戴假肢的初期患者跌倒可能性较高的问题,提出一种基于相关性分析的模糊自适应反馈调节跌倒预警方法.应用支持向量机回归方法改进不同受试者的相关性分析模板,并对2种传感器的预测值进行融合以进行跌倒判别.由于不同患者应对跌倒时身体反应不同,采用具有反馈调节单元的模糊自适应变权重组合预测算法对不同患者的融合权重进行参数寻优,以增强下肢假肢跌倒预警系统的灵活性,最后采集多名受试者的数据进行分析论证该方法的可行性.实验结果表明,其预警正确率可达95%.该系统可实际应用于初期患者的康复训练,以提高假肢的安全

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：808kb
    • 提供者：weixin_38595243

  1. 基于非下采样Contourlet变换和映射最小二乘支持向量机的高精度星点定位方法

  2. 为解决巡天相机稳像控制精跟踪级系统高精度的光闭环问题，提出一种基于非下采样Contourlet变换(NSCT)去噪预处理和映射最小二乘支持向量机(MLSSVM)回归校正的星点定位方法。针对星图特点，采用自适应的基于NSCT的去噪方法来减小随机误差。从频域角度分析平方质心法系统误差产生的机理，得到其近似解析表达式；利用蒙特卡罗数值仿真的方法，用带有高斯径向基函数(RBF)核的映射MISSVM进行回归分析，得到星点质心的理想位置和系统误差的非线性函数关系，并用它进行系统误差的校正。仿真实验结果表明，

  3. 所属分类：其它

  1. 微笑：统计机器智能和学习引擎-源码

  2. 微笑 是Java和Scala中快速而全面的机器学习，NLP，线性代数，图形，插值和可视化系统。 凭借先进的数据结构和算法，Smile可提供最先进的性能。 Smile的文献记录丰富，请查看项目以获取编程指南和更多信息。 Smile涵盖了机器学习的各个方面，包括分类，回归，聚类，关联规则挖掘，特征选择，流形学习，多维缩放，遗传算法，缺失值插补，有效的最近邻搜索等。 Smile实现以下主要的机器学习算法： 分类：支持向量机，决策树，AdaBoost，梯度提升，随机森林，逻辑回归，神经网络，RB

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：104mb
    • 提供者：weixin_42132352

  1. 红提糖度和硬度的高光谱成像无损检测

  2. 红提的糖度和硬度是评价红提品质的重要指标,探究了基于高光谱成像技术的红提糖度和硬度的无损检测方法及最佳预测模型。在红提果粒的三种放置模式(横放、果柄侧朝下、果柄侧朝上)下,分别采集213个样本在400~1000 nm波长范围内的高光谱图像,对比分析光谱采集的最优模式;然后在最优采集模式下对光谱进行预处理;应用遗传算法(GA)、连续投影算法(SPA)、竞争性自适应重加权(CARS)算法和无信息变量消除法(UVE)针对原始光谱提取特征波长;结合化学计量学方法分别建立基于全光谱和特征波长的偏最小二乘回

  3. 所属分类：其它

  1. 高斯过程回归方法综述

  2. 高斯过程回归是基于贝叶斯理论和统计学习理论发展起来的一种全新机器学习方法, 适于处理高维数、小 样本和非线性等复杂回归问题. 在阐述该方法原理的基础上, 分析了其存在的计算量大、噪声必须服从高斯分布等 问题, 给出了改进方法. 与神经网络和支持向量机相比, 该方法具有容易实现、超参数自适应获取以及输出具有概率 意义等优点, 方便与预测控制、自适应控制、贝叶斯滤波等相结合. 最后总结了其应用情况并展望了未来发展方向.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：248kb
    • 提供者：weixin_38717980

  1. 经验模式分解与时间序列分析在网络流量预测中的应用

  2. 提出一种经验模式分解和时间序列分析的网络流量预测方法. 首先, 对网络流量时间序列进行经验模式分解, 产生高低频分量和余量; 然后, 对各分量进行时间序列分析, 确保高频分量采用改进和声搜索算法优化的最小二乘支持向量机模型、低频分量和余量采用差分自回归滑动平均模型进行建模和预测; 最后, 将预测结果通过RBF 神经网络进行非线性叠加, 得到最终的预测值. 仿真实验表明, 所提出方法具有更好的预测效果和更高的预测精度

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：239kb
    • 提供者：weixin_38538312

  1. Machine-Learning-Projects:我为学习ML-DL概念所做的简单的基于应用程序的项目列表-源码

  2. 机器学习和深度学习简单（基于应用程序）项目 该存储库包含完成的简单实践项目，以学习ML和DL概念。 每个单独的文件夹都包含一个单独的项目，并且文件夹本身中包含该项目的自述文件。 我还附有我的课程证书。 项目清单是： 使用支持向量机的面部识别：使用numpy实现SVM，然后将其用于执行小型数据集的基本面部识别任务。 使用Yellowbrick分析混凝土的抗压强度：使用简单的回归分析，使用kaggle上的可用数据集来预测混凝土的抗压强度。 从零开始开发人工神经网络以执行股价预测：使用使用skl

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：10mb
    • 提供者：weixin_42101056

  1. Machine-Learning-in-Action:本书取自《机器学习在行动》中的源代码，更正了错误，并根据python 3.X更新了-Source code learning

  2. 行动中的机器学习 本书摘自《机器学习在行动》中的源代码。 ipynb格式和html格式，更正了（以及我自己发现的一些错误），并根据python 3.X更新了。 机器学习在行动.pdf：本书的pdf版本 MLiA_SourceCode.zip：（.py格式） 02用k最近邻居分类[ ] 03一次将数据集拆分为一个特征决策树[ ] 04用概率论分类朴素贝叶斯[ ] 05 Logistic回归[ ] 06支持向量机[ ] 07使用AdaBoost元算法[ ]改进分类 08预测数值回归[

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：73mb
    • 提供者：weixin_42165508