-
-
SVR在信号传递合约模型Ⅱ量化分析中的应用
为解决激励合约理论的量化和实际应用问题，提出了信号传递激励合约模型的基于SVR的数值分析方法。利用SVR对效用函数建模，对委托人通过激励合约向代理人传递其特征信号的优化模型Ⅱ进行了量化分析。具体推导出了该模型的梯度表达式，给出了相应的梯度法迭代算法，并进行数值计算和量化分析，观察上述信号传递模型中某些参数变化对合约均衡点变化趋势的影响。计算结果的合理性表明，用基于SVR的数值分析方法定量分析激励合约模型是可行的。
-
基于改进灰狼算法和SVR的武汉PM2.5浓度预测研究.pdf
基于改进灰狼算法和SVR 的武汉PM2.5 浓度预测研究 摘 要 目前随着国家各领域的迅猛发展我国居民各方面生活水平都有了极大改善 人们的物质需求量节节攀升以致工业生产量频繁创造新高峰因此在人类高频率活 动下人为因素导致环境问题的占比正在急剧增长使得空气污染问题越来越严重 雾霾频繁高发已成为当前大众倍受关注的重点问题PM2.5 是雾霾的主要来源之一 虽然含量非常少但其粘性强不易扩散易附带有毒有害
-
python机器学习库scikit-learn：SVR的基本应用
... 叶斯，svm，knn等。
scikit-learn的官网 ： http://scikit-learn.org/stable/index.html点击打开链接
SVR是支持向量回归(support vector regression)的英文缩写，是支持向量机(SVM)的重要的应用分支。
scikit-learn中提供了基于libsvm的SVR解决方案。
PS:libsvm是台湾大学林智仁教授等开发设计的一个简单、易于使用和快速有效的 ...
-
基于MATLAB地SVR回归模型地设计与实现.docx
基于 MATLAB 的SVR回归模型的设计与实现 The Design and Implementation of SVR Regression Model Based on MATLAB 学生姓名 王新蕾 学 生 学 号 10780232 专 业 名 称 电子信息科学与技术 指导教师 张艳讲师 计算机与信息工程学院 2014年 6月 10日 独创性声明 本人声明所呈交的毕业论文是本人在指导教师
-
基于MATLAB的SVR回归模型的设计与实现.docx
基于MATLA丽SVR回归模型的设计与实现 用户手册 简介 本模型是基丁 Matlab支持向量回归模型能够对训练集作出回归曲线计 算出支持向量个数算法运行时间并可对回归结果进行分析用户可以选择装 载已有的数据也可以手动创建数据集进行回归 用户先输入或装载训练集然 后选择适当的核函数同时对对应各个参数进行设置然后对数据集进行回归 系统要求 操作系统方面 Windows 98, Windows NT
-
基于MATLAB的SVR回归模型的设计和实现.doc
基于MATLABSVR回归模型设计和实现 The Design and Implementation of SVR Regression Model Based on MATLAB 学生姓名 王新蕾 学生学号 10780232 专业名称 电子信息科学和技术 指导老师 张艳讲师 计算机和信息工程学院 6月10日 独创性申明 本人申明所呈交毕业论文是本人在指导老师指导下进行研究工作和取得研究结果除了
-
基于v - SVR的电力系统扰动后最低频率预测
提出了一种基于v-支持向量回归（v - SVR）的快速预测扰动后电力系统最低频率的方法。该方法考虑了发电机的最大出力限制、旋转备用的水平及分配方式、原动机 -调速器系统和负荷等对电力系统频率动态的影响。通过与PSS／E仿真结果进行比较可知，使用v - SVR方法可以快速准确地预测扰动后电力系统频率动态及最低频率，具有良好的泛化能力和推广性。进一步，可将使用v - SVR方法所训练出的模型应用于电力系统频率的在线安全稳定评估和根据评估情况制定相应的紧急控制措施，防止系统频率崩溃。
-
一种基于信念修正思想的SVR 增量学习算法
<p>针对实际应用中数据的批量到达, 以及系统的存储压力和学习效率低等问题, 提出一种基于信念修正思想的SVR 增量学习算法. 首先从历史样本信息中提取信念集, 根据信念集和新增数据的特点选择相应的信念集建立支持向量回归模型并进行预测; 然后对信念集进行修正, 调整当前认知状态, 使该算法对在线和批处理增量学习都有很好的适应性. 在标准数据集上的测试验证了算法的良好性能; 在某机场噪声实测数据上的对比实验也表明, 该算法的性能明显优于传统学习算法和一般增量学习算法.</p>
-
基于混合SVR-PL S 方法的丙烯腈收率软测量建模
... 数据共线性等复杂特性, 提高模型的推广能力和精度, 提出了混合<br>
支持向量回归机2偏最小二乘法(SVR2PL S) 方法. 该方法兼具SVR 和PL S 的优点, 用PL S 进行特征提取, 用SVR 建<br>
立PL S 的内部模型. 对工业丙烯腈生产过程丙烯腈收率软测量建模的应用表明, 采用该方法建立的软测量模型, 在模<br>
型精度 ...
-
-
Go To English Version 超过100万源码资源，1000万源码文件免费下载
