搜索资源列表
f
- 偏最小二乘法中的交叉有效性计算的matlab程序，怎么计算出来的预测误差平方和PRESS不太对，偏大；
神经网络
- hapter8.1.m为使用交叉验证的GRNN神经网络预测程序 chapter8.2.m为BP和GRNN效果比较程序 注意：由于是比较两种网络结果，需要先运行chapter8.1.m后运行chapter8.2.m 以保证两网络使用了相同的数据进行训练。
smlr.m
- 编写的多元回归的交叉验证程序 可供做预测模型的同仁参考-Prepared by the multiple regression of cross-validation procedure
BPHO_1.3-0.tar
- 利用贝叶斯预测对于变量具有高阶交叉影响因素的，R文件-Bayesian Prediction with High-order Interactions
TimeSeriesPredictionUsingSupportVectorRegressionNe
- 为了选择神经网络的最好结构以及增强模型的推广能力，提出一种自适应支持向量回归神经网络(SVR—NN)。SVR—NN 用支持向量回归(SVR)方法获得网络的初始结构和权值， 白适应地生 成网络隐层结点，然后用基于退火过程的鲁棒学习算法更新网络结点疹教和权 主。 SVR—NN有很 好的收敛性和鲁棒性，能抑制由于数据异常和参数选择不当所导致的“过拟合，’现象。将SVR—NN 应用到时间序列预测上。结果表明，SVR．NN预测模型能精确地预测混沌时间序列，具有很好的 理论和应用价值。-Ab
AI_Blood
- 本次大作业利用K‐近邻（K‐Nearest Neighbor）算法，为给定的训练数据集构造了分类器， 并在测试数据集上进行分类预测，同时计算了Accuracy、Precision、Recall和F‐measure，利用 10‐fold的实验方法进行交叉验证。-The big job to use K-neighbor (K-Nearest Neighbor) algorithm, for a given set of training data classifier is constru
Orangedetect
- 为了研究适合近红外光谱无损检测脐橙VC 含量的光谱预处理方法, 比较了11 种光谱预处理方法对偏最小二乘法( PLS) 建模预测效果的影响。结果表明, 小波消噪效果最好, 模型预测值与标准值的相关系数R 达到0. 957 4, 交叉验证预测均方差仅为3. 90, 最优光谱波段为7 501. 7～5 449. 8 cm- 1, 主成分数为8。小波消噪是脐橙VC 含量近红外光谱无损检测的有效光谱预处理方法。-In order to search an appro priate pret reatme
cross-validation
- matlab交叉验证cross Validation，把样本集分为训练集和测试集，防止网络出现过拟合，提高网络的泛化能力和预测精度-cross Validation for matlab，to estimate the test accuracy,training accuray and validation accuracy of a neural network
Adaptive-Embedding-Dimension
- 嵌入维数自适应最小二乘支持向量机 状态时间序列预测方法 Condition Time Series Prediction Using Least Squares Support Vector Machine with Adaptive Embedding Dimension 针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题, 提出一种基于嵌入维数自适应 最小二乘支持向量机( L SSVM ) 的预测方法。该方法将嵌入维数作为影响状态时间序列预测精度的重要参
artificial-neural-network
- 人工神经网络是在现代神经科学的基础上提出和发展起来的，旨在反映人脑结构及 功能的一种抽象数学模型。自1943 年美国心理学家W. McCulloch 和数学家W. Pitts 提 出形式神经元的抽象数学模型—MP 模型以来，人工神经网络理论技术经过了50 多年 曲折的发展。特别是20 世纪80 年代，人工神经网络的研究取得了重大进展，有关的理 论和方法已经发展成一门界于物理学、数学、计算机科学和神经生物学之间的交叉学科。 它在模式识别，图像处理，智能控制，组合优化，金融预测与
61IC_H4231
- PAV (H265) 是 音视频 压缩解压 协议，非常不同于H264/MPEG4，ZPAV (H265) 的基本算法 是 小波，多级树集合群，广义小波，数学形态小波，...... ZPAV (H265) 基本算法 ： 1，图象与声音分解与合成 ：小波 ； 2，图象与声音前处理 ：小波子带零交叉降噪，目标纹理处理，语音处理 ； 3，速率控制 ：小波子带熵速率控制 ； 4，量化与反量化 ：小波子带熵量化与反量化 ； 5，低频分量和高频分量的降维 ：小波子带邻域交
chapter8
- chapter8_1.m为使用交叉验证的GRNN神经网络预测程序 chapter8_2.m为BP和GRNN效果比较程序-chapter8_1.m for the GRNN neural network prediction program using cross-validation chapter8_2.m for BP and GRNN effect of the program
locv
- 最先进的KPCA主成分提取法，加最先进的高斯SVM法，再加传统的交叉验证学习预测法。-The most advanced KPCA principal components extraction method, and the most advanced gaussian SVM method, then add the traditional cross validation forecast method of learning.
WeiFengYing-supporting-program
- 魏凤英的现代气候统计诊断与预测技术的fortran源代码，里边包括气候变化趋势分析的程序：线性倾向估计、滑动平均及一些趋势检验和函数；气候突变检测：滑动t检验、Cramer s法、Yamamoto法、Mann-Kendall法、Pettitt法Lepage法；气候序列周期的提取方法：功率谱、最大熵谱、交叉谱、多维最大熵、奇异谱分析、小波分析；以及EOF、主成分等等，总之熟悉这本书的同学，应该知道这本书的“强大”是做数理统计分析、及气象等必备的工具书啊，而且其程序，尤为宝贵！特此与大家分享-Wei
The-data-forecasting-based-on-GRNN
- 通过matlab编程，建立了基于广义神经网络的数据预测，并通过交叉验证进行网络的训练，取得了不错的预测效果-By matlab programming，we established the data forecasting based on generalized regression neural network, and we use corss-validation to train the network,which obtains better forecasting effect.
Genetic-algorithm-optimization
- 遗传算法优化B P神经网络的目的是通过遗传算法得到更好的网络初始权值和阈值, 其 基本思想就是用个体代表网络的初始权值和阈值、 个体值初始化的B P神经网络的预测误差作为该个体的适应度值, 通过选择、 交叉、 变异操作寻找最优个体, 即最优的B P神经网络初始权值。除了遗传算法之外, 还可以采用粒子群算法、 蚁群算法等优化B P神经网络初始权值。-Genetic algorithm to optimize BP neural network is designed by means of g
bp
- cheshi.m为使用交叉验证的GRNN神经网络预测程序 xiaoguobijiao.m为BP和GRNN效果比较程序(Cheshi.m is a cross validation GRNN neural network prediction program Xiaoguobijiao.m is the BP and GRNN effect comparison program)
jiaochayuce
- 上传文件为使用交叉验证的神经网络预测程序(Upload files for cross validation using neural network prediction programs)
基于遗传算法优化BP神经网络的非线性预测
- 针对BP神经网络的初始权值和阈值是随机选取的弊端，采用遗传算法寻优BP的初始权值和阈值，然后进行BP训练和测试。遗传算法包括编码 选择 交叉 和变异等操作(Aiming at the disadvantage that the initial weights and thresholds of BP neural network are randomly selected, genetic algorithm is used to optimize the initial weights and
classifier_D
- 使用SVM分类器来预测乳腺癌病人的预后(特征选择；分类器构建)，评价模型时使用无被交叉验证，性能评价指标包括准确率，AUC，灵敏度，特异度。学会最基本的机器学习方法。可查看分发给大家的代码，以后遇到类似的问题，可用相似的思路和代码。(The SVM classifier was used to predict the prognosis of breast cancer patients (feature selection; classifier construction), and the