搜索资源列表
beiyesifenbu
- 分类判别中，bayes判别的确具有明显的优势，与模糊，灰色，物元可拓相比，判别准确率一般都会高些，而BP神经网络由于调试麻烦，在调试过程中需要人工参与，而且存在明显的问题，局部极小点和精度与速度的矛盾，以及训练精度和仿真精度间的矛盾，等，尽管是非线性问题的一种重要方法，但是在我们项目中使用存在一定的局限，基于此，最近两天认真的研究了bayes判别，并写出bayes判别的matlab程序，与spss非逐步判别计算结果一致。-Classified Identifying, bayes discrim
projectionsGray
- 灰色预测模型称为CM模型，G为grey的第一个字母，M为model的第一个字母。GM（1，1）表示一阶的，一个变量的微分方程型预测模型。GM（1，1）是一阶单序列的线性动态模型，主要用于时间序列预测。 一、GM（1，1）建模 设有数列 共有 个观察值 对 作累加生成，得到新的数列 灰色理论与模型及在车辆拥有量预测中的应用 灰色神经网络交通事故预测比较 灰色系统(第三版)-projections Gray (No. Third Edition)
GM11
- GM11，灰色神经网络。用于小样本数据集预测空缺值-GM11, gray neural network. Small sample data set for the vacancy value prediction
sf1847
- 数据挖掘建模工具，轻易实现BP神经网络、RBF神经网络、灰色系统、决策树、决策表、贝叶斯、懒惰算法、支持向量机、K均值聚类、Apriori关联规则、HotSpot关联规则、回归分析、指数平滑、季节移动平均及组合等算法建模。-Data mining modeling tools, easy to achieve BP neural network, RBF neural network, gray system, decision tree, decision table, Bayesian, l
bp
- 灰色神经网络在订单需求预测中的应用，供大家学习-Grey Neural Network Demand Prediction order for them to learn
游轮定价BP神经网络预测MATLAB程序及结果
- 针对游轮公司预售票定价和开船后升舱方案,建立BP神经网络预测及灰色关联度模型,预测出每次航行各周预订舱位的人数.分析每航次每周预定的平均价格和每航次每周意愿预定人数的关联度,对每周的意愿人数进行合理地赋权,预测出每周预订的平均价格.建立需求定价模型,对售票价格合理定价.游轮起航后,在头等、二等舱位未满的情况下,建立游客升舱模型,使公司获得最大的预期销售收益.(To upgrade scheme cruise company advance ticket pricing and sail, est
Greynet
- 灰色神经网络计算预测每月需求量，根据训练出的神经网络进行预测。(Grey neural network prediction data)
predict
- 利用灰色神经网络预测，增强了预测的精确度.(The accuracy of the prediction is enhanced by using the grey neural network prediction)
案例28
- 灰色神经网络matlab案例源码，5因素市场预测，可用于小样本预测与估计。(Gray neural network matlab case source code, 5 factors market forecast, can be used for small sample forecasting and estimation.)
MATAB神经网络30个案例分析
- 该PDF共有30个MATLAB神经网络的案例，包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络；还包含PSO(粒子群)、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。本PDF作为本科毕业设计、研究生项日设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。(The PDF has a total of 30 MATLAB in the case of neural networks, including BP, RBF, SVM
案例28 灰色神经网络的预测算法—订单需求预测
- 灰色神经网络的预测算法实例，用于订单需求预测(prediction algorithm of grey neural network order demand forecasting)
5
- 本程序论述在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，如BP神经 网络、RBF神经网络、SVM、SOM神经网络、灰色神经网络、决策树、随机森林、小波神经网络、NARX神经网络等以及各种优化算法与神经网络的结合。(This procedure describes how to realize neural network in MATLAB environment, including the commonly used neural network and relate
1
- 本程序论述在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，如BP神经 网络、RBF神经网络、SVM、SOM神经网络、灰色神经网络、随机森林、小波神经网络、NARX神经网络等以及各种优化算法与神经网络的结合。(This procedure describes how to realize neural network in MATLAB environment, including the commonly used neural network and related th
1
- 本程序论述在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，如BP神经 网络、RBF神经网络、SVM、SOM神经网络、灰色神经网络、小波神经网络、NARX神经网络等以及各种优化算法与神经网络的结合。(This procedure describes how to realize neural network in MATLAB environment, including the commonly used neural network and related theory,
3
- 本程序论述在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，如BP神经 网络、RBF神经网络、SVM、SOM神经网络、灰色神经网络、NARX神经网络等以及各种优化算法与神经网络的结合。(This procedure describes how to realize neural network in MATLAB environment, including the commonly used neural network and related theories, such
4
- 本程序论述在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，如BP神经 网络、RBF神经网络、SVM、SOM神经网络、灰色神经网络等以及各种优化算法与神经网络的结合。(This program discusses how to implement neural network in the MATLAB environment, including the commonly used neural network and related theories, such as B
灰色神经网络预测程序（无输入）
- 可以拟合出精度很高的预测值，强烈推荐给大家，很好用的(Can fit a highly accurate prediction, highly recommended to everyone, very good.)
灰色神经网络预测
- 灰色系统理论是一种研究少数据、贫信息、不确定性问题的新方法，该代码为基于灰色神经网络的预测算法，例子为冰箱市场的订单需求预测。(Grey system theory is a new method to study less data, poor information and uncertainty. It is a prediction algorithm based on grey neural network, and an example is the order demand pre
MATLAB
- 本书论述在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，如BP神经 网络、RBF神经网络、SVM、SOM神经网络、灰色神经网络、决策树、随机森林、小波神经网络、NARX神经网络等以及各种优化算法与神经网络的结合。((This book discusses how to realize neural network in MATLAB environment, including the commonly used neural network and related the
85190844wedgelet
- 小波等神经网络,还包含PSO(粒子群)、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。(wavelet neural networks, etc. also contains the PSO (PSO), gray neural networks, fuzzy networks, probabilistic neural networks, genetic algorithm optimization and so on.)