排序方式: 共有14条查询结果,搜索用时 31 毫秒
1.
独立学院计算机基础讲座式教学法的初探 总被引:2,自引:1,他引:1
本文分析了独立学院计算机应用基础的教学现状以及存在的问题,提出了以突出学生计算机的应用能力为培养目标的讲座式教学法模式,并就计算机基础讲座式教学方法进行了分析和探讨。 相似文献
2.
本文运用生态学的理论和方法研究VB程序设计课堂中存在的问题,从多个角度对VB课堂进行深入探讨,力求从生态学的视角解读VB程序设计课堂,揭示其课堂中的失衡现象,进而构建VB程序设计生态课堂,将生态平衡的理念融入VB程序设计课堂教学中。 相似文献
3.
基于地统计学定阶的松毛虫发生面积组合预测* 总被引:1,自引:0,他引:1
针对当前松毛虫滞后阶数确定方法存在局部最优、耗时长等问题,提出一种基于地统计学(GS)快速定阶的松毛虫发生面积组合预测模型(GS-ARIMA-SVM)。首先采用差分自回归移动平均(ARIMA)对松毛虫发生面积进行线性建模预测,然后采用GS对松毛虫发生面积非线性部分进行快速定阶和样本重构,最后采用支持向量机(SVM)对非线性部分进行建模预测,从而获得组合模型预测值。并对辽宁省朝阳市松毛虫发生面积数据进行了仿真实验。仿真结果表明,GS-ARIMA-SVM预测精度明显优于参比模型,更能反映松毛虫发生的复杂动态变化规律。 相似文献
4.
支持向量分类机(Support Vector Classification,SVC)的参数选择一直缺乏一种通用、完善的方法,很大程度上限制了它的应用。为解决SVC参数选择的难题,提出了一种基于启发式深度优先搜索(Heuristic Depth-first Search,HDFS)的SVC参数自动寻优方法。该方法将10-fold交叉验证的最大识别率作为目标,利用HDFS算法进行SVC参数寻优,减少了SVC的训练时间,提高了分类的精度,从而确保了SVC参数选择的准确性。将该算法用于3个基准数据集的仿真实验,结果表明该方法在保证分类精度前提下,大幅度缩短了训练建模时间,提高了运行效率,具有一定的推广意义。 相似文献
5.
基于均匀设计的最小二乘支持向量机改进算法 总被引:1,自引:1,他引:1
针对最小二乘支持向量机模型的参数选取耗时长,容易陷入局部最优而导致过拟合的问题,提出了一种基于均匀设计的将大样本搜索转化为小样本搜索技术的参数寻优方法.把支持向馘机算法的每一次训练过程作为一个试验考虑,试验影响因子为算法的参数,运用均匀设计的手段进行方案设计,采用统计的方法对结果进行分析和选择.最后把该方法应用于3个大样本数据集建模中的参数优化,仿真结果表明方法大幅度减小了时间复杂度,较好地解决了最小二乘支持向量机的参数优化问题,同时获得精确的建模效果. 相似文献
6.
7.
传统上相空间重构与预测模型参数优化分开优化,割裂两者的联系,模型预测性能难以达到最优。利用相空间重构和预测模型参数的互相关系,提出一种混沌时间序列预测模型参数同步优化方法。首先采用均匀设计方法对影响模型预测精度的参数进行均匀设计,然后采用自调用最小二乘支持向量机进行参数同步优化,得到最优参数。以经典混沌时间序列太阳黑子年平均数为例进行了验证,结果表明,相对传统的参数优化算法,参数同步优化算法时间复杂度低、预测精度高,为混沌时间序列预测模型参数优化提供了一种新的思路。 相似文献
8.
针对区域经济存在高度的非线性、各指标间存在数据冗余等特征,使得传统的经济预测方法精度较低,为解决上述问题,提出了一个基于主成份分析的支持向量机的区域经济预测模型(PCA-SVM).选择对影响长株潭区域经济发展的各因子进行主成份分析,消除各因子之间的冗余性,从而减少了支持向量机的输入维数,增加了支持向量机预测速度,利用PCA-SVM模型对长株潭2003-2007年经济数据进行了验证性测试和分析,结果表明,相对于各参比模型,PCA-SVM模型预测精度显著提高,是一种高效的区域经济预测模型,为预测研究提供依据. 相似文献
9.
基于支持向量机的害虫多维时间序列预测* 总被引:1,自引:1,他引:0
针对害虫发生数据高度非线性特点导致传统方法预测准确率低的难题,提出一种基于支持向量机(SVM)的多变量自回归(CAR)的害虫时间预测方法(SVM_CAR)。SVM_CAR首先利用SVM以留一法的MSE最小化原则进行时间序列非线性定阶;然后用SVM对害虫发生的影响因子进行非线性筛选,并同时通过强制汰选给出各保留因子对预测结果的相对重要性;最后建立基于保留对预测结果影响较大因子的SVM_CAR预测模型。以大豆食心虫虫食率与晚稻第5代褐飞虱发生量两个实例数据集进行验证性实验,SVR-CAR比五种参比模型的预测精 相似文献
10.
在混沌时间序列研究中,相空间重构和预测模型参数优化是影响预测性能的关键步骤,利用两者之间的相互联系来提高混沌时间序列预测模型的整体性能,提出一种基于遗传算法的混沌时间序列参数同步优化方法。同步优化方法将相空间重构和最小二乘支持向量机参数作为遗传算法的染色体,预测精度作为遗传算法的适应度函数值,通过遗传算法对参数同步优化问题进行求解。通过混沌时间数据对同步优化方法进行了验证性实验。实验结果表明,相对于单独参数优化方法,同步优化方法不仅提高了混沌时间序列的预测精度,同时降低了计算时间的复杂度。 相似文献