资源简介
针对顶板冒落带高度问题提出新的预计模型,通过搜集众多矿井的实测数据,在支持向量机理论基础上建立预计模型。采用果蝇优化算法对预计模型进行优化训练,建立FOA-SVM预计模型,利用实测数据对模型的预计结果进行检验,预计结果较为准确,比PSO-SVM模型和GA-SVM模型结果稳定性好计算精度高。
代码片段和文件信息
相关资源
- 官方最新版本libsvm-3.23
- 论文研究-基于优化支持向量机的人脸
- opencv自带SVM分类器使用程序
- 遗传算法优化支持向量机算法
- 支持向量机回归算法的研究与应用
- SVM-支持向量机基本原理及应用
- 支持向量机导论PDF 作者:Nello
- 《《数据挖掘中的新方法-支持向量机
- 数据挖掘中的新方法:支持向量机.
- 支持向量机导论英文版
- 浙江大学SVM(支持向量机)经典课件
- 支持向量机导论+中文版-英文版
- 最小二乘支持向量机工具箱使用指南
- 支持向量机导论中文版PDF
- 支持向量机核函数方面外文文献
- 支持向量机 邓乃扬
- 支持向量机导论(中文).pdf
- 支持向量机导论中文版-国外经典教材
- 官方权威最小二乘支持向量机(LS-S
- 小波特征提取与支持向量机识别
- 支持向量机在金融领域的应用
- 支持向量机故障诊断及控制技术 mat
- SVM 支持向量机相关学习资料合集
- 支持向量机 - 理论、算法与拓展中文
- SNM支持向量机预测回归分析数据预测
- 支持向量机:理论、算法与拓展
- 支持向量机:理论、算法与拓展邓乃
- SVM和SMO的文档和代码
- 数据挖掘中的新方法:支持向量机高
- SVM支持向量机代码解释
评论
共有 条评论