亚洲精品乱码久久久久久日本蜜臀,www.日韩av.com,亚洲一区www

RBF-SVM

因其核函數(shù)的良好性態(tài),RBF核SVM(RBF-SVM)在實際應(yīng)用中表現(xiàn)出良好的學習性能,但是RBF核函數(shù)中的參數(shù)對SVM的性能起決定性作用.闡述了RBF-SVM的性能隨著變化而變化的規(guī)律,并將RBF-

因其核函數(shù)的良好性態(tài),RBF核SVM(RBF-SVM)在實際應(yīng)用中表現(xiàn)出良好的學習性能,但是RBF核函數(shù)中的參數(shù)對SVM的性能起決定性作用.闡述了RBF-SVM的性能隨著變化而變化的規(guī)律,并將RBF-SVM引入自動羽絨識別系統(tǒng)中.根據(jù)自動羽絨識別系統(tǒng)的實際需求和RBF-SVM的性能變化規(guī)律,論述了本系統(tǒng)中參數(shù)的選取依據(jù)和選取過程,并且給出了的相關(guān)曲線變化圖.通過研究,最后得到適合本系統(tǒng)的識別模型,從而提高了系統(tǒng)的總體識別率.同時,也驗證了RBF-SVM的良好特性和其受參數(shù)的約束規(guī)律.

標簽： RBF-SVM RBF SVM 性能

上傳時間： 2013-12-27

上傳用戶：zhengzg
將遺傳算法(GA)與傳統(tǒng)SVM算法結(jié)合,構(gòu)造出一種參數(shù)最優(yōu)的進化SVM(GA2SVM),SVM 模型采用徑向基函數(shù)(RBF)作為核函數(shù)

將遺傳算法(GA)與傳統(tǒng)SVM算法結(jié)合,構(gòu)造出一種參數(shù)最優(yōu)的進化SVM(GA2SVM),SVM 模型采用徑向基函數(shù)(RBF)作為核函數(shù)，利用格雷碼編碼方式對SVM算法的模型參數(shù)進行遺傳編碼和優(yōu)化搜索，將搜索到的優(yōu)化結(jié)果作為SVM 的最終模型參數(shù)。

標簽： SVM GA2SVM RBF 算法

上傳時間： 2014-08-08

上傳用戶：cccole0605
SVM用于模式識別整理別人的代碼（原來的是英文）所得： kernel.m用于內(nèi)積矩陣的計算 svcplot.m用于繪圖 svm168.m是主程序 testlin.m是采用線形內(nèi)積函數(shù)的支持

SVM用于模式識別整理別人的代碼（原來的是英文）所得： kernel.m用于內(nèi)積矩陣的計算 svcplot.m用于繪圖 svm168.m是主程序 testlin.m是采用線形內(nèi)積函數(shù)的支持向量機應(yīng)用的文件 testrbf.m是采用RBF內(nèi)積函數(shù)的支持向量機應(yīng)用的文件每個文件中都有說明。仿真平臺matlab7.0, 仿真全部通過將所有文件拷貝到work目錄下（注意不要直接將上層文件夾直接拷貝到work目錄下，若那樣操作，必須在matlab的file菜單中的set path中設(shè)置相應(yīng)的路徑）。打開matlab，在命令窗口中輸入 testlin或testrbf 即可查看結(jié)果。

標簽： svcplot testlin kernel SVM

上傳時間： 2015-05-27

上傳用戶：風之驕子
SVM的例子程序

SVM的例子程序，使用RBF，garma值為0.5。專業(yè)人士可以參考。有搞SVM參數(shù)優(yōu)化的人我們可以一起討論

標簽： SVM 程序

上傳時間： 2014-12-05

上傳用戶：xmsmh
基于RBF神經(jīng)網(wǎng)絡(luò)的開關(guān)磁阻電機無位置傳感器控制及單神經(jīng)元PID控制

開關(guān)磁阻電機(SwitchedReluctanceMotor，SRM)具有結(jié)構(gòu)簡單、工作可靠、效率高和成本較低等優(yōu)點，在很多領(lǐng)域都顯示出強大的競爭力，但是位置傳感器的存在不僅削弱了SRM結(jié)構(gòu)簡單的優(yōu)勢，而且降低了系統(tǒng)高速運行的可靠性，增加了成本，探索實用的無位置傳感器檢測轉(zhuǎn)子位置的方案成為開關(guān)磁阻電機驅(qū)動系統(tǒng)(SwitchedReluctanceMotorDrive，SRD)研究的熱點。SRM高度非線性的電磁特性決定了在精確的數(shù)學模型基礎(chǔ)上實現(xiàn)無位置傳感器控制十分困難，而人工神經(jīng)網(wǎng)絡(luò)的出現(xiàn)為解決這個問題提供了新的思路。徑向基函數(shù)(RadialBasisFunction，RBF)神經(jīng)網(wǎng)絡(luò)是一種映射能力極強的前向型神經(jīng)網(wǎng)絡(luò)，具有收斂速度快、全局逼近能力強等優(yōu)點。本文提出一種利用自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)對SRM進行控制的新方法，所采用的RBF神經(jīng)網(wǎng)絡(luò)以電機繞組的相電流、磁鏈作為輸入，轉(zhuǎn)子位置作為輸出，通過離線和在線相結(jié)合的方法對網(wǎng)絡(luò)進行訓練，建立SRM電流、磁鏈與轉(zhuǎn)子位置之間的非線性映射，從而實現(xiàn)SRM的無位置傳感器控制。常規(guī)的PID控制以其結(jié)構(gòu)簡單、可靠性高、易于工程實現(xiàn)等優(yōu)點至今仍被廣泛采用。在系統(tǒng)模型參數(shù)變化不大的情況下，PID控制效果良好，但當被控對象具有高度非線性和不確定性時，僅靠PID調(diào)節(jié)效果不好。對于SRM，它的電磁關(guān)系高度非線性，固定參數(shù)的PID調(diào)節(jié)器無法得到很理想的控制性能指標。論文提出了一種基于RBF神經(jīng)網(wǎng)絡(luò)在線辨識的SRM單神經(jīng)元PID自適應(yīng)控制新方法。該方法針對開關(guān)磁阻電機的非線性，利用具有自學習和自適應(yīng)能力的單神經(jīng)元來構(gòu)成開關(guān)磁阻電機的單神經(jīng)元自適應(yīng)控制器，不但結(jié)構(gòu)簡單，而且能適應(yīng)環(huán)境變化，具有較強的魯棒性。同時構(gòu)造了一個RBF網(wǎng)絡(luò)對系統(tǒng)進行在線辨識，建立其在線參考模型，由單神經(jīng)元控制器完成控制器參數(shù)的自學習，從而實現(xiàn)控制器參數(shù)的在線調(diào)整，能取得更好的控制效果。仿真及實驗結(jié)果表明，自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)電機的準確換相，從而實現(xiàn)了電機的無位置傳感器控制；基于RBF神經(jīng)網(wǎng)絡(luò)在線辨識的單神經(jīng)元自適應(yīng)控制能夠達到在線辨識在線控制的目的，控制精度高，動態(tài)特性好，具有較好的自適應(yīng)性和魯棒性。

標簽： RBF PID 控制神經(jīng)網(wǎng)絡(luò)

上傳時間： 2013-04-24

上傳用戶：skfreeman
各種SVM分類算法

·詳細說明：自己收集的各種SVM分類算法，可以實現(xiàn)音頻分類

標簽： SVM 分類算法

上傳時間： 2013-07-14

上傳用戶：pscsmon
基于改進RBF神經(jīng)網(wǎng)絡(luò)的電力負荷預測

為了提高電力系統(tǒng)負荷預測的精度與速度的需求，提出使用交替梯度算法改進徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)，對天津市電網(wǎng)進行負荷預測。改進的算法與傳統(tǒng)梯度下降算法相比，具有更快的收斂速度和更高的預測精度。仿真結(jié)果表明該算法具有可行性。

標簽： RBF 神經(jīng)網(wǎng)絡(luò) 電力負荷預測

上傳時間： 2013-10-31

上傳用戶：waixingren
基于RBF神經(jīng)網(wǎng)絡(luò)的大型客機制造成本分析

為使設(shè)計人員在大型客機設(shè)計階段便可對其制造成本有較為準確的把握，針對大型客機制造成本，采用RBF神經(jīng)網(wǎng)絡(luò)理論建立了一種分析模型，并給出建模流程。利用Matlab神經(jīng)網(wǎng)絡(luò)工具箱進行模擬仿真，對所建立大型客機制造成本分析的神經(jīng)網(wǎng)絡(luò)模型進行了驗證，最后進行誤差分析。仿真結(jié)果表明，所建RBF神經(jīng)網(wǎng)絡(luò)對大型客機成本的估算是有效的，且該方法精度較高，實用性較強。

標簽： RBF 神經(jīng)網(wǎng)絡(luò) 大型制造成本

上傳時間： 2013-11-19

上傳用戶：wpwpwlxwlx
RBF神經(jīng)網(wǎng)絡(luò)在特征選擇中的應(yīng)用

提出了一個自適應(yīng)量子粒子群優(yōu)化算法，用于訓練RBF網(wǎng)絡(luò)的基函數(shù)中心和寬度，并結(jié)合最小二乘法計算網(wǎng)絡(luò)權(quán)值，對RBF網(wǎng)絡(luò)的泛化能力進行改進并用于特征選擇。實驗結(jié)果表明，采用自適應(yīng)量子粒子群優(yōu)化算法獲得的RBF網(wǎng)絡(luò)模型不但具有很強的泛化能力，而且具有良好的穩(wěn)定性，能夠選擇出較優(yōu)秀的特征子集。

標簽： RBF 神經(jīng)網(wǎng)絡(luò) 特征選擇中的應(yīng)用

上傳時間： 2013-11-16

上傳用戶：erkuizhang
不錯的SVM實現(xiàn)算法

不錯的SVM實現(xiàn)算法，采用的是LS-SVM算法，這是C版本，還有一個MATLAB版本

標簽： SVM 算法

上傳時間： 2013-12-20

上傳用戶：manlian

<table id="4iuge"></table>

<code id="4iuge"></code>

亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

RBF-SVM

因其核函數(shù)的良好性態(tài),RBF核SVM(RBF-SVM)在實際應(yīng)用中表現(xiàn)出良好的學習性能,但是RBF核函數(shù)中的參數(shù)對SVM的性能起決定性作用.闡述了RBF-SVM的性能隨著變化而變化的規(guī)律,并將RBF-

將遺傳算法(GA)與傳統(tǒng)SVM算法結(jié)合,構(gòu)造出一種參數(shù)最優(yōu)的進化SVM(GA2SVM),SVM 模型采用徑向基函數(shù)(RBF)作為核函數(shù)

SVM用于模式識別整理別人的代碼（原來的是英文）所得： kernel.m用于內(nèi)積矩陣的計算 svcplot.m用于繪圖 svm168.m是主程序 testlin.m是采用線形內(nèi)積函數(shù)的支持

SVM的例子程序

基于RBF神經(jīng)網(wǎng)絡(luò)的開關(guān)磁阻電機無位置傳感器控制及單神經(jīng)元PID控制

各種SVM分類算法

基于改進RBF神經(jīng)網(wǎng)絡(luò)的電力負荷預測

基于RBF神經(jīng)網(wǎng)絡(luò)的大型客機制造成本分析

RBF神經(jīng)網(wǎng)絡(luò)在特征選擇中的應(yīng)用

不錯的SVM實現(xiàn)算法