搜索资源列表
FCM-for-EEG
- 模糊C均值脑电分类并使用了支持向量机对比，其中支持向量机使用了三种方法参数寻优。-fuzzy C means clustering for EEG classification，and use the SVM for campare. The SVM applied three methods to find the optimal apartments.
Custom-Evaluation
- 提出一种基于粗糙集与支持向量机的客户动态评估方法。根据客户群特点从当前价值、潜在价值和附加价值三个维度分析并构建客户评估指标，利用指标的年增幅率监测客户价值的变化规律。应用粗糙集布尔推理算法、粒子群算法实现连续属性离散化和知识约简。通过10-重交叉验证和网格搜索技术获取最优惩罚因子与核参数，缩放样本数据集并完成支持向量机一对一分类器的训练与测试。结果表明该评估方法能够实现周期性的客户价值评估与细分，具有很强的泛化能力。- A customer dynamic evaluation method
svm方法步骤
- SVM方法最主要的工作是样本训练，获得训练模型参数。SVM中涉及大量的矩阵运算和推导，需要弄清楚，这样才能明白模型参数的含义，以便于判断当前选定的核函数是否合适。
libsvm-3.17.tar
- 该软件对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数可以解决很多问题；并提供了交互检验(Cross Validation)的功能。-The software adjust the parameters of SVM involved is relatively small, a lot of the default parameters, these default parameters can solve many problems cross-validatio
LS-SVM-
- 基于遗传算法的LS-SVM参数优选及其在经济预测中的应用-LS-SVM parameters based on genetic algorithm and its application in economic forecasting based
神经网络极速学习方法研究
- 单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的
Libsvm-FarutoUltimate
- 介绍libsvm-farutoUltimate版本，对原有libsvm工具箱新增功能，如SVM中参数优化、数据归一化和GUI可视化都有详细讲解。-It introduces the version of libsvm-farutoUltimate,and analyzes in detail the new features of the original libsvm toolbox such as SVM parameters optimization, data normalization
SVM-parameter-selection
- 支持向量机SVM参数的设置，采用网格搜索法对C和G两个参数进行粗选和精选。-Support vector machine SVM parameter setting, using the grid search method for C and G for roughing and two parameters chosen.
PSO-SVM
- 基于支持向量机负荷功率预测，使用粒子群算法进行参数寻优，供参考(Load Forecasting Based on Support Vector Machine)