精华内容
下载资源
问答
  • pso-svm python 代码 基于粒子群算法优化支持向量机
  • pso-SVM)的MATLAB程序

    2018-11-01 20:20:21
    这是pso优化的支持向量机程序,主要用于各种数据的分类
  • 基于PSO-SVM负荷预测

    2018-05-05 10:55:28
    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
  • 论文研究-供水管网爆管故障诊断的PSO-SVM方法.pdf, 根据供水管网的实际水压监测数据, 采用粒子群算法优化反演管道的海曾-威廉斯系数, 并通过在管道中间加入虚节点来模拟...
  • 用粒子群算法优化支持向量机的matlab程序,用于对股价、经济的预测作用,优化后预测精确
  • PSO-SVM.rar

    2019-11-19 22:04:05
    支持向量机是一种基于统计学习理论的机器学习方法.在传统的支持向量机模型中,模型参数需要用试凑的办法,一个基于粒子群算法的参数选择机制,这可以大大减少模型的运算时间
  • 基于pso-svm的sci文章

    2018-07-23 11:29:43
    这篇英文文献收录在sci中,采用的PSO-SVM进行数据分析
  • 利用遗传算法和粒子群优化算法优化支持向量机
  • 针对燃煤电厂烟气含氧量测量成本高、使用过程复杂且精度低等问题,应用软测量的方法来代替氧量传感器估计锅炉烟气含氧量。首先分析烟气含氧量的化学原理和锅炉工艺,初步选取合理的辅助变量,同时引入邓氏关联度分析...
  • 使用matlab实现蜂群SVM,粒子群SVM,遗传算法SVM,数据包含有公共数据集,公共图像数据集,图像特征提取用了词袋,保证可用(公共图像数据集太大,删除了)
  • PSO-LS-SVM代码

    2021-02-24 04:00:15
    PSO-LS-SVM代码 PSO-LS-SVM代码 PSO-LS-SVM代码 PSO-LS-SVM代码 PSO-LS-SVM代码 PSO-LS-SVM代码 PSO-LS-SVM代码 PSO-LS-SVM代码
  • 试验结果表明:在运用PSO-SVM进行变工况滚动轴承状态识别的过程中,由快速谱相关谱得到的特征能量矩阵能更好地体现滚动轴承在不同工况下的多状态特征,且PSO-SVM的自适应能力强,不需要人为设置参数,具有更高的识别...
  • 利用粒子群优化算法来寻找svm中的最有参数,达到最优解
  • 为减少及防治矿井突水事故的发生,迅速、准确地判别突水水源,提出一种基于MIV(Mean Impact Value)混合粒子群优化支持向量机PSO-SVM的识别水源算法,以更有效地消除地下水源指标间的信息重叠,筛选出更好的指标体系,从而...
  • 为准确预测缓倾斜煤层区段煤柱宽度,分析了缓倾斜煤层综采工作面的主要影响因素,选取8个因子,建立了粒子群优化的支持向量机区段煤柱宽度预测模型(Particle Swarm Optimization Support Vector Machine,PSO-SVM),通过...
  • 粒子群算法与支持向量机的结合,通过学习粒子群算法,用粒子群算法快速寻找支持向量机的最优参数。
  • 为了提高电子商务移动支付风险预测精度,针对当前电子商务移动支付风险预测建模过程存在的一些局限性,设计了粒子群算法和支持向量机的电子商务移动支付风险预测模型(PSO-SVM)。首先收集大量的电子商务移动支付...
  • 在支持向量机(SVM)的基础上结合粒子群算法(PSO)提出了一种识别长微博贴图的PSO - SVM算法。该方法提取长微博贴图的颜色矩和灰度共生矩阵特征,然后利用PSO算法对SVM模型中的误差惩罚参数和核函数进行优化得到...
  • 为了对煤层底板破坏程度进行正确预测,分析遗传算法(GA)和粒子群优化(PSO)算法存在优化支持向量机(SVM) 易陷入局部最优解和分类精度相对较低的问题,提出了 GAPSO-SVM优化算法。综合考虑 GA 和 PSO 算法的优点...
  • pso optimization for kernel parameters of svm
  • PSO优化的SVM算法,用于模拟电路故障诊断的分类
  • phog方法提取图像特征,svm支持向量机进行分类,分别有GA遗传算法和PSO粒子群优化算法进行寻优。
  • 粒子群优化算法(Particle Swarm optimization
  • 运用粒子群算法优化支持向量机的回归型预测实例
  • 针对手机依赖给大学生造成的生理、心理及社会功能损害问题,将支持向量机(SVM)和粒子群(PSO)优化算法结合,利用PSO优化SVM的核函数参数 γ 和惩罚因子C,设计了一种大学生手机依赖分析系统。系统通过手机APP发布...
  • 论文研究-消除EMD端点效应的PSO-SVM方法研究.pdf, 经验模态分解(empirical mode decomposition, 简称EMD)的端点效应使得EMD分解结果产生严重失真, 为了减小分解过程中...
  • 粒子群算法优化支持向量机模型参数,进而提高模型进度,满足更高要求。
  • 应用于matlab故障分类,载入测试数据wine
  • pso-svm 回归程序设计

    2021-04-21 02:00:54
    % SVM参数初始化 v = 3; %% 产生初始粒子和速度 for i=1:sizepop % 随机产生种群 pop(i,1) = (popcmax-popcmin)*rand+popcmin; % 初始种群 pop(i,2) = (popgmax-popgmin)*rand+popgmin; V(i,1)=Vcmax*rands(1); %...

    %% 清空环境

    clc

    clear

    load chapter12_wine;

    train = [wine(1:30,:);wine(60:95,:);wine(131:153,:)];

    train_label = [wine_labels(1:30);wine_labels(60:95);wine_labels(131:153)];

    test = [wine(31:59,:);wine(96:130,:);wine(154:178,:)];

    test_label = [wine_labels(31:59);wine_labels(96:130);wine_labels(154:178)];

    [train,pstrain] = mapminmax(train');

    pstrain.ymin = 0;

    pstrain.ymax = 1;

    [train,pstrain] = mapminmax(train,pstrain);

    [test,pstest] = mapminmax(test');

    pstest.ymin = 0;

    pstest.ymax = 1;

    [test,pstest] = mapminmax(test,pstest);

    train = train';

    test = test';

    %% 参数初始化

    %粒子群算法中的两个参数

    c1 = 1.6; % c1 belongs to [0,2]

    c2 = 1.5; % c2 belongs to [0,2]

    maxgen=300;   % 进化次数

    sizepop=30;   % 种群规模

    popcmax=10^(2);

    popcmin=10^(-1);

    popgmax=10^(3);

    popgmin=10^(-2);

    k = 0.6; % k belongs to [0.1,1.0];

    Vcmax = k*popcmax;

    Vcmin = -Vcmax ;

    Vgmax = k*popgmax;

    Vgmin = -Vgmax ;

    % SVM参数初始化

    v = 3;

    %% 产生初始粒子和速度

    for i=1:sizepop

    % 随机产生种群

    pop(i,1) = (popcmax-popcmin)*rand+popcmin;    % 初始种群

    pop(i,2) = (popgmax-popgmin)*rand+popgmin;

    V(i,1)=Vcmax*rands(1);  % 初始化速度

    V(i,2)=Vgmax*rands(1);

    % 计算初始适应度

    cmd = ['-v ',num2str(v),' -c ',num2str( pop(i,1) ),' -g ',num2str( pop(i,2) )];

    fitness(i) = svmtrain(train_label, train, cmd);

    fitness(i) = -fitness(i);

    end

    % 找极值和极值点

    [global_fitness bestindex]=min(fitness); % 全局极值

    local_fitness=fitness;   % 个体极值初始化

    global_x=pop(bestindex,:);   % 全局极值点

    local_x=pop;    % 个体极值点初始化

    tic

    %% 迭代寻优

    for i=1:maxgen

    for j=1:sizepop

    %速度更新

    wV = 0.9; % wV best belongs to [0.8,1.2]

    V(j,:) = wV*V(j,:) + c1*rand*(local_x(j,:) - pop(j,:)) + c2*rand*(global_x - pop(j,:));

    if V(j,1) > Vcmax

    V(j,1) = Vcmax;

    end

    if V(j,1) < Vcmin

    V(j,1) = Vcmin;

    end

    if V(j,2) > Vgmax

    V(j,2) = Vgmax;

    end

    if V(j,2) < Vgmin

    V(j,2) = Vgmin;

    end

    %种群更新

    wP = 0.6;

    pop(j,:)=pop(j,:)+wP*V(j,:);

    if pop(j,1) > popcmax

    pop(j,1) = popcmax;

    end

    if pop(j,1) < popcmin

    pop(j,1) = popcmin;

    end

    if pop(j,2) > popgmax

    pop(j,2) = popgmax;

    end

    if pop(j,2) < popgmin

    pop(j,2) = popgmin;

    end

    % 自适应粒子变异

    if rand>0.5

    k=ceil(2*rand);

    if k == 1

    pop(j,k) = (20-1)*rand+1;

    end

    if k == 2

    pop(j,k) = (popgmax-popgmin)*rand+popgmin;

    end

    end

    %适应度值

    cmd = ['-v ',num2str(v),' -c ',num2str( pop(j,1) ),' -g ',num2str( pop(j,2) )];

    fitness(j) = svmtrain(train_label, train, cmd);

    fitness(j) = -fitness(j);

    end

    %个体最优更新

    if fitness(j) < local_fitness(j)

    local_x(j,:) = pop(j,:);

    local_fitness(j) = fitness(j);

    end

    %群体最优更新

    if fitness(j) < global_fitness

    global_x = pop(j,:);

    global_fitness = fitness(j);

    end

    fit_gen(i)=global_fitness;

    end

    toc

    %% 结果分析

    plot(-fit_gen,'LineWidth',5);

    title(['适应度曲线','(参数c1=',num2str(c1),',c2=',num2str(c2),',终止代数=',num2str(maxgen),')'],'FontSize',13);

    xlabel('进化代数');ylabel('适应度');

    bestc = global_x(1)

    bestg = global_x(2)

    bestCVaccuarcy = -fit_gen(maxgen)

    cmd = ['-c ',num2str( bestc ),' -g ',num2str( bestg )];

    model = svmtrain(train_label,train,cmd);

    [trainpre,trainacc] = svmpredict(train_label,train,model);

    trainacc

    [testpre,testacc] = svmpredict(test_label,test,model);

    testacc

    展开全文
  • 粒子群算法优化支持向量机,优化过后很好用,准确率很明显

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 906
精华内容 362
关键字:

pso-svm

友情链接: fast-rcnn-master2.rar