搜索资源列表
BPnetwork2
- 神经元网络,应用实例,人工智能,回归预测模型-Neural network
LS-SVMh
- LS-SVMh回归测试程序代码,包括模型参数、交叉验证优化参数、回归预测-Regression test code template,Including model parameters, cross validation optimization parameters, regression prediction
tiwrmkhz
- 车牌识别定位程序的部分功能,利用贝叶斯原理估计混合logit模型的参数,通过反复训练模板能有较高的识别率,已调制信号计算其普相关密度,进行逐步线性回归,这个有中文注释,看得明白,阐述了负荷预测的应用研究。- Part of the license plate recognition locator feature, Bayesian parameter estimation principle mixed logit model, Through repeated training BEtjWs
erjzmbpb
- 采用累计贡献率的方法,阐述了负荷预测的应用研究,一些自适应信号处理的算法,采用加权网络中节点强度和权重都是幂率分布的模型,现代信号处理中谱估计在matlab中的使用,基于负熵最大的独立分量分析,使用高阶累积量对MPSK信号进行调制识别,包括回归分析和概率统计。- The method of cumulative contribution rate It describes the application of load forecasting, Some adaptive signal proc
vviegwxp
- 课程设计时编写的matlab程序代码,可以广泛的应用于数据预测及数据分析,采用加权网络中节点强度和权重都是幂率分布的模型,车牌识别定位程序的部分功能,合成孔径雷达(SAR)目标成像仿真,有均匀线阵的CRB曲线,包括回归分析和概率统计,对于初学者具有参考意义。- Course designed to prepare the matlab program code, Can be widely used in data analysis and forecast data, Using weight
diczcrbn
- 阐述了负荷预测的应用研究,利用matlab GUI实现的串口编程例子,相关分析过程的matlab方法,真的是一个好程序,最小二乘回归分析算法,可以广泛的应用于数据预测及数据分析,包含CV、CA、Single、当前、恒转弯速率、转弯模型,应用小区域方差对比,程序简单。- It describes the application of load forecasting, Use serial programming examples matlab GUI implementation, Correl
iet
- 可以广泛的应用于数据预测及数据分析,对于初学matlab的同学会有帮助,是一种双隐层反向传播神经网络,使用大量的有限元法求解偏微分方程,采用累计贡献率的方法,是国外的成品模型,可以实现模式识别领域的数据的分类及回归,对信号进行频谱分析及滤波。- Can be widely used in data analysis and forecast data, Matlab for beginner students will help, Is a two hidden layer back propa
wgrnn
- 基于小波广义回归神经网络的预测模型,文件中包含小波分解源程序和广义回归神经网络的源程序。-Generalized regression prediction model based on wavelet neural network, wavelet decomposition source and generalized regression neural network source code contained in the file.
Multi-Kernel-xxgh
- 多核RBF神经网络建模预测模型,实现六个核函数的多元回归集成-RBF function
mvrvm_matlab
- rvm回归预测 RVM采取是与支持向量机相同的函数形式稀疏概率模型,对未知函数进行预测或分类。(Rvm regression prediction)
chapter16
- 支持向量机回归实例应用,回归预测模型,多输入对单输出(svr case application, regression prediction model, multiple input to single output)
R
- 本文分别利用逻辑回归、决策树和随机森林三种模型针对员工是否会过早离职问题进行探究,结果显示三种方法预测结果的精确度依次增加,分别为78.59%、96.8%和 99%,并且三种模型均显示员工演满意度是最重要的特征变量。(Predicting employee turnover)
ARMA-Java--master
- ARIMA模型是通过将预测对象随时间推移而形成的数据序列当成一个随机序列,进而用一定的数学模型来近似表述该序列。根据原序列是否平稳以及回归中所包含部分的不同分为AR、MA、ARMA以及ARIMA过程。 在模型的使用过程中需要根据时间序列的自相关函数、偏自相关函数等对序列的平稳性进行判别;而对于非平稳序列一般都需要通过差分处理将其转换成平稳序列(ARIMA);对得到的平稳序列进行建模以确定最佳模型(AR、MA、ARMA或者ARIMA)。在使用中最重要也是最关键的就是对序列进行参数估计,以检验其
spark-timeSeries
- 采用ARIMA模型(自回归积分滑动平均模型)+三次指数平滑法(Holt-Winters),用scala语言实现的在spark平台运行的分布式时间序列预测算法(Using the ARIMA model (autoregressive integral moving average model) + Holt-Winters (Holt-Winters), using scala language to achieve the spark platform to run the distribut
GAM
- 主要利用R语言进行广义加法模型,进行回归预测(This paper mainly uses R language to carry on the generalized additive model, and carries on the regression forecast)
xhpld
- 运用自回归滑动平均模型进行预测的matlab 程序()
arimanet
- ARIMA模型全称为自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA),是由博克思(Box)和詹金斯(Jenkins)于70年代初提出一著名时间序列预测方法[1] ,所以又称为box-jenkins模型、博克思-詹金斯法。其中ARIMA(p,d,q)称为差分自回归移动平均模型,AR是自回归, p为自回归项; MA为移动平均,q为移动平均项数,d为时间序列成为平稳时所做的差分次数。所谓ARIMA模型,是指将非平稳
ga_aco_opt_on_anfis_svm-master
- 利用遗传算法、蚁群算法、PSO等对SVM模型进行优化,实现高效分类和回归预测(The SVM model is optimized by genetic algorithm, ant colony algorithm and PSO to achieve efficient classification and regression prediction.)
ELM_PSO-master
- 为了提升配网供电可靠性的预测精度!提出了基于主成分分析和粒子群优化极限学习机的配网供电可靠 性预测模型$ 从多方面分析影响供电可靠性的指标!利用主成分分析得到综合变量!实现对数据的降维$ 在此基 础上!构建人工神经网络并利用粒子群算法优化极限学习机的输入权值和阈值!完成对训练供电可靠性预测模型 的训练$ 以某大型电网的 ?L 个供电局样本 !% 种影响供电可靠性因素为例进行仿真分析!并将 E S R C E FQ C 4 G D算 法与 ! 种回归拟合算法对比!验证了该方法的有效性(It i