搜索资源列表
svmandBPwithmatlab
- 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-SVM nonlinear regression procedures common Matlab support vector machines and artificial neural networks to nonlinear In the Comparative Study
Support-vector-machine-
- 提出了一种支持矢量机的汉语声调识别新方法。论文首先在基频和对数能量的基础上，建立了一个适合于支 持矢量机分类的等维声调特征。然后对支持矢量机的多分类策略和不同核函数对声调识别的影响进行了实验研究。 与BP神经网络相比，支持矢量机具有更高的识别率和更强的推广能力。-This paper presents a novel support vector machine based Chinese tone recognition method．A new tone recognition
支持向量机非线性回归通用MATLAB源码
- 支持向量机和BP神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实，支持向量机的泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合，GreenSim团队推荐您使用。
tixingguanzi2
- 分析了支持向量回归机在能源需求预测中的优势,确定了输入向量集合和输出向量集合,建立了基于Matlab技术的SVR能源需求预测模型.对我国1985-2008年能源需求相关数据进行模拟与仿真,并对中国2010年和2020年能源需求量进行预测.研究结果表明:一是中国未来对能源的需求量逐渐增加,从2010年的330400万吨标准煤上升到2020年418320万吨标准煤,年均增长率为2.39％；二是在解决我国能源系统小样本.非线性及高维模式识别问题中SVR比BP神经网络等方法有更高的预测精度.-Suppo
BP
- 采用BP神经网络的方法预测风力机发电功率-Adopt the method of BP neural network to predict wind turbine power