精华内容
下载资源
问答
  • 有中文注释的狼群算法优化svm 不过需要自己理解修改提取gwo算法
  • 灰狼优化算法优化SVM_MATLAB代码分享
  • matlab环境下使用PSO算法对SVM多分类器的参数进行优化的案例,代码有详细的注释,另有一篇博客对算法的大致过程有介绍.
  • 粒子群算法优化支持向量机模型参数代码,代码包含注释和数据文件
  • 本案例和soea_demo6类似,同样是用进化算法来优化SVM的参数C和Gamma, 不同的是,本案例选用更庞大的数据集,使得每次训练SVM模型时耗时更高,从而更适合采用分布式加速计算。 该数据集存放在同目录下的Data_User_...
  • 里面包含了灰狼算法求解多目标规划的基本代码并,同时还有相关改进的代码与改进的参照论文,除此之外,还有用灰狼算法优化svm算法的代码
  • 粒子群优化SVM的两个参数,利用数据做预测,数据代码都在压缩包里,可以直接运行。
  • matlab源码
  • 实验结果表明,与主成分分析法、基于光谱角法和SVM的方法、基于粒子群和SVM的方法及基于波段比值、PCA和粒子群优化SVM的方法等4种方法相比,本文方法获得的遥感矿化蚀变信息和已知矿点的吻合度最高,提取效果最好。
  • 为了提高 SVM 分类器对乳腺癌诊断的分类精度,本文提出了一种新的癌症分类算法,该算法基于使用网格搜索算法的智能算法优化 SVM 分类器的相关参数这些参数是: 高斯径向基函数 (GRBF) 核SVM分类器的参数g和C惩罚...
  • 为了解决矿井涌水量预测难题,在Grid-Search_PSO优化SVM参数的基础上,采用SVM非线性回归预测法,对大海则煤矿1999~2008年7月份的矿井涌水量进行了预测。分析对比SVM回归预测法和ARIMA时间序列预测法预测结果的数据误差...
  • PSO优化SVM参数.rar

    2020-07-06 17:18:23
    SVM使用的是lib-svm工具箱,LIBSVM 是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的 SVM 模式识别与回归的软件包,它不仅提供了编译好的可在 Windows 系列系统的执行文件,还提供...
  • PSO优化SVM参数

    热门讨论 2012-10-06 09:37:00
    简单的PSO算法用来进行参数寻优,从而优化SVM的惩罚参数c和核参数g
  • 为了提高瓦斯涌出量预测的精度和预测模型的泛化能力,提出了一种基于蚁群算法(ACO)优化支持向量机(SVM)参数的瓦斯涌出量预测方法。在SVM所建立预测模型中各个参数的取值区间内,采用蚁群优化算法计算预测模型各个参数...
  • 粒子群优化SVM.rar

    2020-01-06 14:40:20
    粒子群优化SVM python代码
  • 然后,利用改进的人工鱼群算法优化SVM的核函数参数及惩罚系数,使SVM分类器获得最佳的分类精度。最后采用决策导向无环图(DDAG)方法建立变压器故障诊断SVM多分类决策模型。通过仿真实验将提出的方法与网格搜索法...
  • cs优化SVM模型,可以实现,能够帮助大家使用,这是MATLAB的
  • PSO优化SVM

    2011-10-19 14:19:40
    PSO优化SVM的matlab程序,PSO优化SVM的matlab程序
  • 选择核函数时未考虑非线性数据的分类,对非线性分布的煤与瓦斯突出影响因素提取效果较差的问题,提出了一种将改进的粒子群(IPSO)算法与Powell算法相结合(IPSO-Powell)优化SVM的煤与瓦斯突出预测算法。首先通过灰色...
  • 利用布谷鸟算法优化svm,有目标函数 实验室程序,好用
  • 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。
  • 一个简单的svm分类,未进行参数优化,请大佬们指教(凑字数)
  • 为改进工作面煤矿瓦斯涌出浓度的预测精度,基于深度学习网络、SVM和粒子群(PSO)优化算法的原理,建立1种深度学习网络与粒子群优化SVM神经网络耦合的混合算法模型,该算法首先基于深度学习理论学习样本数据较深层次的...
  • 简单易读的SVM负简单易读的SVM负荷预测实验,并包含PSO、改进PSO等多种方法简单易读的SVM负荷预测实验,并包含PSO、改进PSO等多种方法简单易读的SVM负荷预测实验,并包含PSO、改进PSO等多种方法荷预测实验,并包含...
  • 内置麻雀搜索算法优化支持向量机的程序,还有麻雀搜索算法提出的原论文
  • 使用GA优化SVM,便于分类或者性能退化
  • 利用粒子群优化算法来寻找svm中的最有参数,达到最优解
  • 边坡沉降预测【基于布谷鸟蚁群组合算法优化SVM】Matlab 近年来由于滑坡事件的屡次发生,给人民带来了巨大的灾难和影响,因此必须对边坡进行安全监测并预测其变形趋势。针对传统预测方法存在的不足,提出一种基于布谷...

    边坡沉降预测【基于布谷鸟蚁群组合算法优化SVM】Matlab



    前言

    近年来由于滑坡事件的屡次发生,给人民带来了巨大的灾难和影响,因此必须对边坡进行安全监测并预测其变形趋势。针对传统预测方法存在的不足,提出一种基于布谷鸟蚁群结合的搜索算法(Cs-Ant)并用于优化支持向量机(SVM)的参数,从而构建基于改进布谷鸟搜索算法的支持向量机组合预测模型(Cs-Ant-SVM)并应用于实际边坡变形预测。


    一、边坡沉降数据特性

    数据是一维信号,为了进行有效预测,对其进行滑动窗口取值,得到训练数据和测试数据,训练集的输入为356,输出为351,测试集的输入为56,输出为51。
    在这里插入图片描述

    二、布谷鸟蚁群组合算法

    针对标准布谷鸟搜索算法采用Levy飞行机制生成新的鸟巢,使得每次更新的鸟巢位置的随机性较大的问题,提出一种蚁群算法优化的布谷鸟搜索算法.首先,提出的算法将待更新的鸟巢位置作为蚁群优化算法的一组初始解在极小的范围内进行搜索寻优.之后,将此次蚁群优化算法搜索所得的解作为新的候选解.当蚁群优化算法搜索寻优的候选解优于Levy飞行产生的候选解时,替换掉Levy飞行的候选解.最后,再进行布谷鸟搜索算法择优算子,根据遗弃概率替换新的鸟巢位置,实现更新后的鸟巢位置更加趋向于最优解.通过六个典型的测试函数将提出的算法与标准布谷鸟算法进行了寻优性能比较.实验结果表明,提出的算法能够提升布谷鸟搜索算法候选解的质量,提高算法的收敛速度和收敛精度。具体参考网址:https://blog.csdn.net/u014796093/article/details/118423997

    三、基于布谷鸟蚁群组合算法优化SVM

    在前文中已详细介绍了 SVM 的基本理论,可知 SVM 模型在边坡变形预测精度的高低,受到惩罚因子c 和核函数g 的影响。对 SVM 参数优化则是搜索 SVM 模型的决策函数的最佳系数。使用 CSANT 算法对 SVM 参数优化,在 SVM 参数解空间内搜索得到c 和g 的最佳值,构建 CSANT-SVM 边坡预测模型。 为了验证基于CSANT-SVM 边坡变形预测模型的性能,选取溪洛渡水电站的麻地湾边坡和花坪子边坡的变形数据作为预测模型的样本数据,分别构建CSANT-SVM 模型以及CS-SVM 模型,对两个边坡的变形数据进行训练并预测,分析比较两个模型预测结果的MSE 以及 MRE,验证CSANT-SVM 边坡预测模型的性能。

    2.CSANT-SVM 预测模型构建

    建立CSANT-SVM 边坡变形预测模型,首先对样本数据进行归一化,这样方便后期计算,将样本数据划分为两部分,即训练样本以及测试样本,设置算法的相应参数。SVM有两个参数需要寻优,分别为c 和g,引入CSANT 算法对c 和g 寻优,构建 CSANT-SVM 边坡变形预测模型,CSANT_SVM 模型的构建流程如下:
    在这里插入图片描述

    2.预测结果

    CS-ANT-SVR预测值:

    predict2 =19.6842 21.5431 21.7289 21.5238 21.2211

    实际值:19.7000 21.6000 21.8000 21.6000 21.3000

    RE: = 0.0008 0.0026 0.0033 0.0035 0.0037

    残差: -0.0158 -0.0569 -0.0711 -0.0762 -0.0789

    在这里插入图片描述

    在这里插入图片描述
    在这里插入图片描述

    总结

    采用边坡变形数据作为实验样本数据,结合 Libsvm 工具箱和编写 MATLAB 程序,实现对 CSANT-SVM 边坡预测模型的训练和预测,并与 CS-SVM 边坡预测模型进行比较,结果显示,预测结果良好。

    源码:https://mianbaoduo.com/o/works/159183
    【1】改进布谷鸟算法优化支持向量机的边坡变形预测研究_刘超湖

    展开全文
  • PSO优化SVM算法,用于模拟电路故障诊断的分类

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 45,600
精华内容 18,240
关键字:

优化svm