jizz久久精品永久免费,亚洲欧洲一区,日本无删减在线

rbf-SVM

因其核函數的良好性態,RBF核SVM(rbf-SVM)在實際應用中表現出良好的學習性能,但是RBF核函數中的參數對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律,并將RBF-

因其核函數的良好性態,RBF核SVM(rbf-SVM)在實際應用中表現出良好的學習性能,但是RBF核函數中的參數對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律,并將rbf-SVM引入自動羽絨識別系統中.根據自動羽絨識別系統的實際需求和rbf-SVM的性能變化規律,論述了本系統中參數的選取依據和選取過程,并且給出了的相關曲線變化圖.通過研究,最后得到適合本系統的識別模型,從而提高了系統的總體識別率.同時,也驗證了rbf-SVM的良好特性和其受參數的約束規律.

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SVM算法結合,構造出一種參數最優的進化SVM(GA2SVM),SVM 模型采用徑向基函數(RBF)作為核函數

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

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是采用線形內積函數的支持

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是采用線形內積函數的支持向量機應用的文件 testrbf.m是采用RBF內積函數的支持向量機應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中設置相應的路徑）。打開matlab，在命令窗口中輸入 testlin或testrbf 即可查看結果。

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。專業人士可以參考。有搞SVM參數優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神經網絡的開關磁阻電機無位置傳感器控制及單神經元PID控制

開關磁阻電機(SwitchedReluctanceMotor，SRM)具有結構簡單、工作可靠、效率高和成本較低等優點，在很多領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結構簡單的優勢，而且降低了系統高速運行的可靠性，增加了成本，探索實用的無位置傳感器檢測轉子位置的方案成為開關磁阻電機驅動系統(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學模型基礎上實現無位置傳感器控制十分困難，而人工神經網絡的出現為解決這個問題提供了新的思路。徑向基函數(RadialBasisFunction，RBF)神經網絡是一種映射能力極強的前向型神經網絡，具有收斂速度快、全局逼近能力強等優點。本文提出一種利用自適應RBF神經網絡對SRM進行控制的新方法，所采用的RBF神經網絡以電機繞組的相電流、磁鏈作為輸入，轉子位置作為輸出，通過離線和在線相結合的方法對網絡進行訓練，建立SRM電流、磁鏈與轉子位置之間的非線性映射，從而實現SRM的無位置傳感器控制。常規的PID控制以其結構簡單、可靠性高、易于工程實現等優點至今仍被廣泛采用。在系統模型參數變化不大的情況下，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調節效果不好。對于SRM，它的電磁關系高度非線性，固定參數的PID調節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神經網絡在線辨識的SRM單神經元PID自適應控制新方法。該方法針對開關磁阻電機的非線性，利用具有自學習和自適應能力的單神經元來構成開關磁阻電機的單神經元自適應控制器，不但結構簡單，而且能適應環境變化，具有較強的魯棒性。同時構造了一個RBF網絡對系統進行在線辨識，建立其在線參考模型，由單神經元控制器完成控制器參數的自學習，從而實現控制器參數的在線調整，能取得更好的控制效果。仿真及實驗結果表明，自適應RBF神經網絡能夠實現電機的準確換相，從而實現了電機的無位置傳感器控制；基于RBF神經網絡在線辨識的單神經元自適應控制能夠達到在線辨識在線控制的目的，控制精度高，動態特性好，具有較好的自適應性和魯棒性。

標簽： RBF PID 控制神經網絡

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神經網絡的電力負荷預測

為了提高電力系統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（RBF）神經網絡，對天津市電網進行負荷預測。改進的算法與傳統梯度下降算法相比，具有更快的收斂速度和更高的預測精度。仿真結果表明該算法具有可行性。

標簽： RBF 神經網絡電力負荷預測

上傳時間： 2013-10-31

上傳用戶：waixingren
基于RBF神經網絡的大型客機制造成本分析

為使設計人員在大型客機設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神經網絡理論建立了一種分析模型，并給出建模流程。利用Matlab神經網絡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網絡模型進行了驗證，最后進行誤差分析。仿真結果表明，所建RBF神經網絡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 神經網絡大型制造成本

上傳時間： 2013-11-19

上傳用戶：wpwpwlxwlx
RBF神經網絡在特征選擇中的應用

提出了一個自適應量子粒子群優化算法，用于訓練RBF網絡的基函數中心和寬度，并結合最小二乘法計算網絡權值，對RBF網絡的泛化能力進行改進并用于特征選擇。實驗結果表明，采用自適應量子粒子群優化算法獲得的RBF網絡模型不但具有很強的泛化能力，而且具有良好的穩定性，能夠選擇出較優秀的特征子集。

標簽： RBF 神經網絡特征選擇中的應用

上傳時間： 2013-11-16

上傳用戶：erkuizhang
不錯的SVM實現算法

不錯的SVM實現算法，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

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

因其核函數的良好性態,RBF核SVM(rbf-SVM)在實際應用中表現出良好的學習性能,但是RBF核函數中的參數對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律,并將RBF-

將遺傳算法(GA)與傳統SVM算法結合,構造出一種參數最優的進化SVM(GA2SVM),SVM 模型采用徑向基函數(RBF)作為核函數

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是采用線形內積函數的支持

SVM的例子程序

基于RBF神經網絡的開關磁阻電機無位置傳感器控制及單神經元PID控制

各種SVM分類算法

基于改進RBF神經網絡的電力負荷預測

基于RBF神經網絡的大型客機制造成本分析

RBF神經網絡在特征選擇中的應用

不錯的SVM實現算法