搜索资源列表
LS-SVM_Based_on_PSO
- 基于混沌粒子群与模拟退火优化算法的最小二乘支持向量机参数自选择方法，是英文
LS-SVM_Based_on_PSO
- 基于混沌粒子群与模拟退火优化算法的最小二乘支持向量机参数自选择方法，是英文-Based on Chaotic Particle Swarm Optimization Algorithm and Simulated Annealing of least squares support vector machine parameters of self-selection method, is in English
cpslssvm
- 基于混沌粒子群与模拟退火优化算法的最小二乘支持向量机参数自选择方法-Based on Chaotic Particle Swarm Optimization and Simulated Annealing least squares support vector machine parameter self-selection method
ApplicationofLeastSquareSupportVectorMachine
- 基于粒子群与模拟退火优化算法的最小二乘支持向量机参数自选择方法预测混沌序列-anessayaboutchaospredictionbyPSOLSSVM
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
displacement
- 基于粒子群优化的最小二乘支持向量机算法，主要用于对数据进行拟合预测-Based on particle swarm optimization least squares support vector machine algorithm, mainly used for data fitting forecast
PSO-LSSVM
- ：针对暖通空调(小，AC)系统，提出一种基于粒子群优化(Pso)算法和最小二乘支持向量机(LSSVM)的预测控 制方法。-: For HVAC (small, AC) system is proposed based on particle swarm optimization (Pso) algorithm and least squares support vector machine (LSSVM) predictive co
2013-06-30-09PSO_SVM
- 粒子群优化算法PSO优化最小二乘支持向量机参数的程序，程序简单通用，调试通过的。-Particle Swarm Optimization PSO optimization least squares support vector machine parameters, the program simple and universal, debugging through.
2
- 基于混沌粒子群与模拟退火优化算法的最小二乘支持向量机参数自选择方法-Based on Chaotic Particle Swarm Optimization Algorithm and Simulated Annealing least squares support vector machine parameters from selection method
3
- 基于混沌粒子群与模拟退火优化算法的最小二乘支持向量机参数自选择方法-Based on Chaotic Particle Swarm Optimization Algorithm and Simulated Annealing least squares support vector machine parameters from selection method
Wind-Speed-Combined-Prediction
- 针对风电场短期风速的预测提出一种基于小波变换的组合预测方法。首先利用Mallat 算法对短期风速时间序列进行db3 小波三层分解与重构，得到短期风速时间序列的近似分量和细节分量。针对近似分量和细节分量的不同特性，对近似分量利用粒子群算法优化的最小二乘支持向量机进行预测，对细节分量利用自回归求和滑动平均模型进行预测。最后各预测模型预测值组合叠加得到最终的短期风速预测值。仿真结果表明该方法具有较高的预测准确度。-In order to im
SVM_Short-term-Load-Forecasting2
- 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，而目前依然是基于经验的办法解决。对此，本文采用粒子群优化算法对模型参数进行寻优，以测试集误差作为判决依据，实现模型参数的优化选择，使得预测精度有所提高。实际算例表明，本文的预测
PSO_lssvm
- 粒子群算法优化最小二乘支持向量机，亲测可用，按照命令来就好(Particle Swarm Optimization for Least Squares Support Vector Machines)