搜索资源列表
16
- matlab SVM神经网络的数据分类预测-葡萄酒种类识别-Data classification matlab SVM neural network prediction Wine species identification
chapter14
- 基于SVM的数据分类预测——意大利葡萄酒种类识别-Data classification based on SVM prediction- Italian wine species identification
chapter16
- 基于SVM的回归预测分析——上证指数开盘指数预测.-SVM regression analysis to predict based on- the Shanghai Composite Index opened Index Forecast.
chapter17
- 基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测-SVM regression prediction based on information granulation timing- the Shanghai Composite Index opened index trends and changes in spatial prediction
differentialevolution_2013_05_09
- 微分进化算法，这是在优化方面比较好的方法，也可以与其他预测算法结合使用，比如Elman、SVM、自适应神经网络-difference evaluation
Wind-speed-prediction
- 基于最小二乘支持向量机理论,结合某风电场实测风速数据,建立了最小二乘支持向量机风速预测模型。对该风电场的风速进行了提前1h的预测,其预测的平均绝对百分比误差仅为8.55 ,预测效果比较理想。同时将文中的风速预测模型与神经网络理论、支持向量机(support vector machine,SVM)理论建立的风速预测模型进行了比较。仿真结果表明,文中所提模型在预测精度和运算速度上皆优于其他模型。 -Based on least squares support vector machine the
dynamicsvm
- 动态SVM算法，可实现模型的在线实时更新，里面的数据需要根据自己的实际数据改变，为一多输入单输出的拟合预测模型。-Dynamic SVM algorithm can achieve real-time updates online model, the data inside the data according to their actual needs change, fitting prediction model is a multi-input single-output.
fcmsvm
- fcm-svm模型，用来处理连续型数据的拟合预测建模，想用SOM算法将连续性数据离散化，paosvm为改进的粒子群优化SVM参数的算法。数据可根据自己的进行替换-fcm-svm model fit to handle continuous data, predictive modeling, would like to use SOM algorithm continuity discrete data, paosvm of improved particle swarm optimizatio
SVMFIT
- SVM神经网络的回归预测分析---上证指数开盘指数预测 -SVM regression neural network predictive analysis--- Shanghai Composite Index opened Index Forecast
multi-kernels-SVR
- 全局核（线性）与局部核（高斯）的加权组合，用于改进SVM的拟合和预测能力-The global kernel (linear) and local kernel (Gauss) weighted combination, to improve the SVM ability of fitting and prediction
class
- 中文文本分类可以对已经分好词的文本进行分类，先自己导入数据，用libsvm中的svm进行分类和预测，特征用tfidf算法，还利用卡方检验进行了特征选择，可自行设定阈值-text mining
svc-Classification
- 支持向量机分类源代码 可以做分类和回归预测用-SVM source code
RBFandsvm
- 利用RBF和SVM两种机器学习方法做回归预测的matlab源代码，对这两种方法进行比较-The use of RBF and SVM two kinds of machine learning methods to do the regression matlab source code, comparison of the two methods
libsvm-3.18
- 利用台湾大学教授所开发的支持向量机工具箱做预测和分类算法-prediction using svm
main
- 本程序利用改进的支持向量机理论进行混凝土抗压程度预测，取得了较好的效果-This procedure using improved support vector machine (SVM) theory to carry on the concrete compressive degree prediction, good results have been achieved
cluster_SVM
- Clustering 和 SVM 结合的预测模型算法。聚类采用k-means方法，SVM采用lib-svm工具箱。-kMeans and SVM(support vector machine) prediction model is provided.
one-class
- java支持向量机One-class程序，包括训练、预测文本的读取，设置好路径和文本格式，可运行-java svm one_class
kenstone
- 用于划分训练集及预测集样本数，可用于偏最小二乘，支持向量机等训练集预测集的划分-ks pls svm
libsvm-mat-2.89-3[FarutoUltimate3.0]
- SVM分类、回归预测，frauto版本，很好用-matlab SVC SVR
PerceptronXOR
- 利用基于生理的情感神经网络，包含杏仁体，丘脑，视觉神经等重要元素，可用于分类与预测，性能优越于SVM-The use of neural network based on emotional physiology, contains important elements of the amygdala, thalamus, optic nerve, etc., can be used for classification and prediction, superior performance