搜索资源列表
gaoying_v89
- 用于建立主成分分析模型，matlab开发工具箱中的支持向量机，可以实现模式识别领域的数据的分类及回归。- Principal component analysis model for establishing, matlab development toolbox support vector machine, You can achieve data classification and regression pattern recognition.
Matlabalgorithmlibrary
- MATLAB算法库，包含K均值聚类-分类模型，logistics回归-用于决策，非线性拟合，回归分析模型，支持向量机SVM-用于分类决策，主成分分析PCA-用于决策，TXT格式，适用于数学建模-MATLAB algorithm library, including K-means clustering- classification model, logistics regression- for decision making, nonlinear fitting, regression an
Wind-Speed-Combined-Prediction
- 针对风电场短期风速的预测提出一种基于小波变换的组合预测方法。首先利用Mallat 算法对短期风速时间序列进行db3 小波三层分解与重构，得到短期风速时间序列的近似分量和细节分量。针对近似分量和细节分量的不同特性，对近似分量利用粒子群算法优化的最小二乘支持向量机进行预测，对细节分量利用自回归求和滑动平均模型进行预测。最后各预测模型预测值组合叠加得到最终的短期风速预测值。仿真结果表明该方法具有较高的预测准确度。-In order to improve short-term wind speed pr
LSSVMlabv1_8_R2009b_R2011a
- 最小二乘支持向量机工具包,可以应用于回归和分类，也可进行预测-LSSVM Kit
konkrete-trykstyrke-forudsigelse
- 支持向量机的回归拟合——混凝土抗压强度预测-support vector machine regression the concrete compressive strength prediction
SVR
- 用于回归的支持向量机程序，改程序用python语言编写，使用前需安装libsvm-Support vector machine for regression procedure, change program written in python, using libsvm before installation
svm-regression
- 本程序是实现遗传支持向量机（SVM）的回归拟合，以混凝土的抗压测试为例，具有很好的学习价值。-This program is a genetic support vector machine (SVM) regression fit to the concrete compression test, for example, having a great learning value.
LSSVMlabv1_8_R2006a_R2009a
- 多输入多输出最小二乘支持向量机，多输入多输出最小二乘支持向量回归机，-lssvm，Multi-output least-squares support vector regression machines
bsvm-2.08
- BSVM解决了支持向量机（SVM），用于解决大型分类和回归问题。 它包括以下方法 一个对一个使用约束约束公式的多类分类 通过解决单一优化问题（再次，有界公式）进行多类分类。 参见我们比较文件的第3节。 使用Crammer和Singer的配方进行多级分类。 参见我们的比较文章第4节。 使用约束约束公式的回归-BSVM solves support vector machines (SVM) for the solution of large classification and r
supportvectormachine
- 一个支持向量机的库，运算速度,使用很方便,可以对数据做分类或回归- U4E00 u4E2A u652F u6301 u5411 u993 u03F0 u7R0 U505A u5206 u7C7B u6216 u56DE u5F52
qppkv
- 最小二乘回归分析算法，matlab开发工具箱中的支持向量机，小波包分析提取振动信号中的特征频率。- Least-squares regression analysis algorithm, matlab development toolbox support vector machine, Wavelet packet analysis to extract vibration signal characteristic frequency.
oegresmionsupport
- 支持向量机非线性回归通用matlab程序 支持向量机和BP神经网络非线性回归之比较研究,-Support vector machine (SVM) general matlab nonlinear regression support vector machine (SVM) and BP neural network nonlinear regression of the comparative study,
rrgression-machine-neural
- 支持向量机非线性回归通用matlab程序 支持向量机和BP神经网络非线性回归之比较研究,-Support vector machine (SVM) general matlab nonlinear regression support vector machine (SVM) and BP neural network nonlinear regression of the comparative study,
mechine-learning
- 本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统
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)
dosninguibhwebarchitecture
- 支持向量机非线性回归通用matlab程序 支持向量机和BP神经网络非线性回归之比较研究,(Support vector machine (SVM) general matlab nonlinear regression support vector machine (SVM) and BP neural network nonlinear regression of the comparative study,)
SVM
- 回归分析，该支持向量机算法可用于预测，电力负荷、风力发电预测等(Regression analysis, the support vector machine algorithm can be used to forecast the power load, wind power prediction)
2012.李航.统计学习方法
- 《统计学习方法》是计算机及其应用领域的一门重要的学科。《统计学习方法》全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。为满足读者进一步学习的需要，书中还介绍了一些相关研究，给出了少量习题，列出了主要参考文
libsvm-3.21
- SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。(SVM (Support Vector Machine) refers to the support vector machine, is a common method of discrimination. In the field of machine learning, it is a supervised lear
高风代码
- 本内容是有关机器学习的包含贝叶斯分类器，随机森林，支持向量机，神经网络，logistic多元回归等(The contents of this paper are machine learning, including Bayesian classifier, random forest, support vector machines, neural network, logistic multiple regression and so on)