基于新粒子群算法優(yōu)化向量機(jī)參數(shù)
大小：1.31 MB 人氣： 2017-11-13 需要積分：0
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
標(biāo)簽：向量機(jī)(20755)粒子群算法(12952)
通過(guò)研究電力負(fù)荷預(yù)測(cè)中支持向量機(jī)的參數(shù)優(yōu)化問(wèn)題，將改進(jìn)后新的粒子群算法導(dǎo)入支持向量機(jī)參數(shù)中，從而建立一種新的電力負(fù)荷預(yù)測(cè)模型（IPSO-SVM）。首先將支持向量機(jī)參數(shù)編碼為粒子初始位置向量，然后通過(guò)對(duì)粒子個(gè)體之間信息交流、協(xié)作的分析找到支持向量機(jī)的最優(yōu)參數(shù)，并針對(duì)標(biāo)準(zhǔn)粒子群算法的缺陷進(jìn)行一定的改進(jìn)，從而應(yīng)用于電力負(fù)荷的建模與預(yù)測(cè)，最后通過(guò)仿真對(duì)比實(shí)驗(yàn)來(lái)測(cè)試它的性能，、實(shí)驗(yàn)結(jié)果表明，這種新的電力負(fù)荷預(yù)測(cè)模型能夠獲得較高精度的電力負(fù)荷預(yù)測(cè)結(jié)果，大大減少了訓(xùn)練時(shí)間，能夠滿足電力負(fù)荷在線預(yù)測(cè)要求。
?
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于新粒子群算法優(yōu)化向量機(jī)參數(shù)下載
相關(guān)電子資料下載
- 如何利用一些小技巧實(shí)現(xiàn)SVM的增量式訓(xùn)練 321
- 深度解析機(jī)器學(xué)習(xí)各大模型原理 1144
- 基于計(jì)算機(jī)視覺(jué)與機(jī)器學(xué)習(xí)技術(shù)的跌倒風(fēng)險(xiǎn)預(yù)測(cè) 227
- 采煤機(jī)用牽引干式變壓器優(yōu)化設(shè)計(jì)方案 1209
- 機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)全攻略 126
- 支持向量機(jī)的基本原理 支持向量機(jī)可以解決什么問(wèn)題 1062
- 如何使用Python進(jìn)行圖像識(shí)別的自動(dòng)學(xué)習(xí)自動(dòng)訓(xùn)練？ 321
- 關(guān)于機(jī)器學(xué)習(xí)的17種常用算法 320
- 使用Python從零實(shí)現(xiàn)多分類SVM 337
- 常用的十大機(jī)器學(xué)習(xí)算法介紹 292