搜索资源列表
PPSO-SVMfaceS
- 基于PSO训练SVM的人脸识别利用支持向量机在学习能力方面表现的良好性能,结合核主元分析特征提取方法,将将其应用于人脸识别中,该方法在实验中表现了良好的识别性能,为人脸识别领域提供了一条新的识别途径 已通过测试。 -Good performance, performance in the ability to learn the use of support vector machines based on PSO training SVM face recognition combined
Multi-fault--based---WSVM-and-PSO
- 一种基于小波支持向量机和粒子群算法的多故障诊断技术。-Multi-fault classification based on wavelet SVM with PSO algorithm to analyze vibration signals from rolling element bearings
pso_svm
- 粒子群算法优化支持向量机参数，可用于分类-pso svm
PSO
- 使用粒子群算法PSO，优化支持向量机的参数，对数据进行分类。-The use of particle swarm algorithm PSO, optimize the parameters of SVM, to classify the data.
chapter15
- 基于SVM的数据分类预测—一种最基本遗传算法和粒子群算法对的支持向量机的参数的优化，再此基础上可以对算法进行改进-Data classification based on SVM prediction- one of the most basic genetic algorithm and particle swarm optimization (pso) algorithm, the optimization of the parameters of the support vector ma
SVM 参数优化
- GA、PSO、GRID 搜索，支持向量机的参数优化方式
PSO-SVM
- 粒子群优化算法优化支持向量机（PSO-SVM)-Particle swarm optimization algorithm optimize the SVM
PSO_SVM
- 带有PCA之后的数据集，并用粒子群（PSO）优化支持向量机（SVM）的分类器进行分类，并给出分类识别率。-After the data set with PCA, and use the particle swarm optimization (PSO) to optimize the support vector machine (SVM) classifier for classification, and classification recognition rate is given.
pso-svm-prediction
- 该程序是基于粒子群算法优化支持向量机中的正则化参数C和核函数参数K的算法，实现了对电力负荷的短期预测，预测效果较好，可根据自己要求进行更改。-The algorithm is based on particle swarm optimization algorithm to optimize regularization parameter C and kernel function parameter K in support vector machine. It realizes the s
psoSVM
- 粒子群优化支持向量机代码，可用于预测分析(Particle swarm optimization support vector machine code, can be used for predictive analysis)
psosvm
- 粒子群优化支持向量机对电池寿命进行预测，利用粒子群优化支持向量机参数(Particle swarm optimization support vector machine is used to predict battery life, and particle swarm optimization is used to support SVM parameters)
PSO-Based-SVR-master
- 该文件为粒子群算法优化支持向量机模型(This document is optimized by Particle Swarm Optimization (SVM) model)
神经网络入门13课源码
- 神经网络入门13课源码 第一课 MATLAB入门基础 第二课 MATLAB进阶与提高 第三课 BP神经网络 第四课 RBF、GRNN和PNN神经网络 第五课 竞争神经网络与SOM神经网络 第六课 支持向量机( Support Vector Machine, SVM ) 第七课 极限学习机( Extreme Learning Machine, ELM ) 第八课 决策树与随机森林 第九课 遗传算法( Genetic Algorithm, GA ) 第十课 粒子群优化( Part