基于智能算法、支持向量机SVM、最小二乘LSSVM的分类算法 ，遗传算法，人工鱼群，量子粒子群，引力搜索，人工蜂群，鲸鱼算法优化SVM LSSVM。

​ 一、神经网络-支持向量机 支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。 1 数学部分 1.1 二维空间 ​​​ ​​​ ​​​ ​​​ ​​​ ​​​ ​​​ ​​​ ​​​ 2 算法部分 ​​​ ​​​ ​​​ ​ ...

前言 今天更新较晚主要还是学业繁忙，学习素材也不是很好找，可能很多同学们都在做数学建模以及应用统计时都会涉及到函数参数拟合的问题，一般最常用的方法是最小二乘法，但是当函数参数很多时，往往去普通最小二乘法迭代次数过多，容易陷入局部最优解的情况，因此，在参数拟合部分会用到现代优化算法，现代优化算法常用的有遗传算法，模拟退火，蚁群算法，粒子群算法等等由于之前地统计实验遗传写的拟合变异函数比较容易陷入局部...

井下动液面是抽油井的一个重要生产参数,能够反映抽油井的生产效率.采用基于时间序列分析的方法对动液面进行预测,首先由最小二乘支持向量机(LSSVM)方法建立预测模型,对其中的正则化参数和核函数参数采用鲸鱼算法(WOA)进行优化选取.实例验证了本文所提出算法的有效性.

支持向量机(Support Vector Machine,简称SVM)是借助于最优化方法解决数据挖掘中若干问题的有力工具,它不仅有着统计学习理论的坚实基础,而且具有直观的几何解释和完美的数学形式,并在一定程度上克服了"维数灾难"和"过学习"等传统困难.SVM自20世纪90年代由Vapnik提出以来一直处于飞速发展的阶段,并在手写数字识别,人脸识别,文本分类,生物信息,回归预测等诸多领域有了成功的应用.支持向量机主要包括分类和回归两大内容.智能优化算法。

粒子群算法PSO优化支持向量机(PSO-SVM)的数据回归预测 matlab代码

天鹰优化器算法(AO)优化的BP神经网络预测,AO-BP回归预测

1、LDA(Linear discriminant analysis) 函数：[class, err]=classify(sample, training, group); 输入：sample=待测样本，% 矩阵 m*n m为样本数，n为特征数            training=训练样本，% 矩阵k*n  k为样本数，n为特征数，                           ...

最小二乘支持向量机（LSSVM）是一种简单的支持向量机（SVM）。

LSSVM-回归 gamma = 100; sig2 = 13; type = 'function estimation'; %训练模型 [alpha,b] = trainlssvm({x_train,y_train,type,gamma,sig2,'RBF_kernel'}); %模型预测 predict_train = simlssvm({x_train,y_train,type,gam...

将自己学习的SVM不同分类的流程总结一下 SVM的分类 线性可分支持向量机 硬间隔最大化 线性支持向量机 软间隔最大化 非线性支持向量机 升维（核函数） 线性可分svm总结 流程 原始目标： 求得一组 w和b 使得分隔margin最大 转换目标： 通过拉格朗日函数构造目标函数，问题由求得 n个w 和 1个b转换为求得 m个α 利用smo 算法求得 m个α* 利用求得的m个α求得 w和 b* 线性svm总结 1.设定惩罚系数 C，构造优化问题 2.用SMO 算法求出α* 3.计算 4.找

鲸鱼优化算法 (whale optimization algorithm,WOA)是 2016 年由澳大利亚格里菲斯大学的Mirjalili等提出的一种新的群体智能优化算法，其优点在于操作简单、参数少以及跳出局部最优的能力强。座头鲸能识别猎物的位置并围着它们转。由于最优位置在搜索空间中的位置是未知的，WOA算法假设当前的最佳候选解是目标猎物或接近最优解。在定义了最佳候选解之后，其他候选位置将尝试向最佳位置移动并更新其位置。书籍《MATLAB神经网络43个案例分析》图1 座头鲸的狩猎摄食行为。