智能优化算法
文章平均质量分 87
微波小王子
沟通可以联系3780952384
展开
-
基于支持向量机的谐波分析研究与实现
基于支持向量机的谐波分析研究与实现文章目录基于支持向量机的谐波分析研究与实现前言一、支持向量机分析电力谐波的原理二、基于 SVM 的电力谐波分析与仿真总结前言 针对传统算法分析谐波问题中存在的一些弊端,本文引入了基于统计学习理论的支持向量机学习算法,利用支持向量机分析电力系统谐波问题。一、支持向量机分析电力谐波的原理 就我国电力系统的相关标准而言,理想状态下的电压、电流信号均为标准的余弦信号,频率为标称值 50Hz。但实际状态下,电力系统中必然会存在各次谐波或间谐波以及噪声信号,这些分原创 2021-07-13 22:35:59 · 405 阅读 · 2 评论 -
基于深度高斯过程的交通流预测
基于深度高斯过程的交通流预测文章目录基于深度高斯过程的交通流预测前言一、数据特性二、深度高斯建模过程三、实验结果总结前言深度高斯过程作为近年来提出的一种新的深度学习方法,由于其强大的学习能力和对非线性数据的隐含细节特征的刻画,被广泛运用于非监督学习领域。与传统机器学习方法或深度学习方法不同,深度高斯过程从单个浅层高斯过程出发,通过使用变分推断的方法,解决了求解最大后验概率分布时的非解析解困境,从而能够在给出预测值的同时,还能从概率意义上刻画预测的不确定性,这种特性在时间序列预测领域中,尤其是在交原创 2021-07-06 22:36:37 · 705 阅读 · 2 评论 -
边坡沉降预测【基于布谷鸟蚁群组合算法优化SVM】Matlab
边坡沉降预测【基于布谷鸟蚁群组合算法优化SVM】Matlab近年来由于滑坡事件的屡次发生,给人民带来了巨大的灾难和影响,因此必须对边坡进行安全监测并预测其变形趋势。针对传统预测方法存在的不足,提出一种基于布谷鸟蚁群结合的搜索算法(Cs-Ant)并用于优化支持向量机(SVM)的参数,从而构建基于改进布谷鸟搜索算法的支持向量机组合预测模型(Cs-Ant-SVM)并应用于实际边坡变形预测。文章目录边坡沉降预测【基于布谷鸟蚁群组合算法优化SVM】Matlab前言一、pandas是什么?二、使用步骤1.引入库2原创 2021-07-05 22:46:05 · 886 阅读 · 1 评论 -
基于布谷鸟与蚁群算法融合的智能优化算法-附Matlab源码
基于布谷鸟与蚁群算法融合的智能优化算法目录基于布谷鸟与蚁群算法融合的智能优化算法前言一、基本布谷鸟算法二、基本蚁群算法1.引入库2.读入数据三、融合算法1.改进 CS 算法2、基于蚁群更新规则的局部搜索方法四、实验结果和总结前言针对标准布谷鸟搜索算法采用Levy飞行机制生成新的鸟巢,使得每次更新的鸟巢位置的随机性较大的问题,提出一种蚁群算法优化的布谷鸟搜索算法.首先,提出的算法将待更新的鸟巢位置作为蚁群优化算法的一组初始解在极小的范围内进行搜索寻优.之后,将此次蚁群优化算法搜索所得的解作为新的候选原创 2021-07-04 11:51:11 · 1579 阅读 · 5 评论