搜索资源列表
PS0-SVR
- ：针对发酵过程中生物参数难以实时在线测量的问题，建立了用于生物参数状态预估的 支持向量机软测量模型。考虑到该支持向量回归(SVR)模型的复杂性和冷化特征取决于其三 个参数 ，c， 能否取到最优值，采用粒子群优化(PSO)算法实现对参数 ，c， 的同时寻优。在 此基础上，以饲料用 ．甘露聚糖酶为对象，建立了基于PSO—SVR的发酵过程产物浓度状态预估 模型。发酵罐控制结果表明：该模型具有很好的学习精度和泛化能力，可实现对 ．甘露聚糖酶 产物浓度的实时在线预估。-In
SVM_Short-term-Load-Forecasting
- 优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，
sinc
- 粒子群算法优化极限学习机的参数，实现SINC函数拟合-The particle swarm algorithm to optimize the parameters of the extreme learning machine, realizes the SINC function fitting
PSO-ELM
- PSO-ELM 粒子群算法优化极限学习机(PSO-ELM Particle swarm optimization for extreme learning machine)
基于PCA+PSO-ELM的工程费用估计
- 利用主成分分析法结合粒子群（PSO）优化极限学习机(ELM)进行工程费用估计预测(In this paper, principal component analysis (PCA) combined with particle swarm optimization (PSO) optimization extreme learning machine (ELM) is used to estimate and forecast engineering cost)