排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
混沌粒子群算法对支持向量机模型参数的优化 总被引:4,自引:1,他引:4
研究支持向量机模型优化问题,支持向量机的参数选择决定了其学习性能和泛化能力,由于在参数的选择范围内可选择的数量很多,在多个参数中进和盲目搜索最优参数是需要极大的时间代价,并且很难得到最优参数.常用的支持向量机优化方法有遗传算法、粒子群算法都存在易陷入局部极值,优化效果较差.为解决支持向量机参数寻优问题,提出一种基于混沌粒子群的支持向量机参数选择方法.将混沌理论引入粒子群优化算法中,从而提高种群的多样性和粒子搜索的遍历性,从而有效地提高了PSO算法的收敛速度和精度,得了优化支持向量机模型.并以信用卡案例数据作为研究对象进行了仿真,实验结果表明,混沌粒子群优化的SVM分类器比传统算法优化的SVM分类器的精度高和更高的效率,应用效果好. 相似文献
2.
3.
周期性的连续波形经过离散、编码后得到相应的波代码,多种波形的波代码存储在存储器中,选择一种输出并经过D/A转换得到上应的连续变化的信号波形。 相似文献
4.
介绍了一种基于数/模变换技术、集成化的多种波形发生器的设计方法。将周期性变化的连续信号经过采样、编码后,获得相应的波代码,波代码存放到EPROM存储器中,一片EPROM存储器可以存储多种波形的波代码,利用波形选择电路选择某种波形的波代码输出,经D/A转换器和放大器输出连续变化的模拟信号。电路中通过改变存储器输出波代码的速度来调节输出信号的频率,改变放大器的放大倍数来调节输出信号的幅值。 相似文献
5.
6.
7.
1