PSO_GA_RBF预测系统

对销售增长率的准确预测在确定广告投资额方面起着决定性的作用。 在这项研究中,我们提出了一种基于预分类和后来基于回归的方法,通过改进的粒子群优化(IPSO)对销售增长率进行了优化。 我们使用支持向量机(

PSO-CNN-LSTM模型该模型结合粒子群优化算法(PSO)对CNN-LSTM网络进行参数优化，提升预测精度。主要优化参数包括：隐含层单元个数：PSO算法搜索最佳隐含层单元数量，使网络结构更适

为提高矿山边坡地表变形预测模型的精度，研究者从矿山边坡地表变形影响因素的角度出发，建立了基于粒子群优化(PSO)极限学习机(ELM)的预测模型。该模型结合了经典的粒子群优化算法和极限学习机方法，提出了

针对开采沉陷量与多影响因素复杂非线性关系问题，研究者提出了一种基于粒子群算法优化BP神经网络的Adaboost强预测模型（Adaboost-PSO-BP模型）。该模型通过结合Adaboost算法与粒子

为了提高船舶交通流预测的效率和准确率,分析了船舶流量预测中的影响因素多、非线性、随机性等问题,建立了ELM(极限学习机)预测模型。同时为了避免极限学习机算法受输入权值矩阵和隐含层偏差随机性的影响,算法

针对传统方法中预计地表下沉系数存在的缺陷,以我国典型的地表移动观测站数据为例,采用启发式算法遗传算法进行参数寻优,提出将小波理论与最小二乘支持向量机结合而成的最小二乘小波支持向量机的方法对地表下沉系数

提出了一种在频域空间内用频率谱变化量来表示图像轮廓特征的方法，并在宗教类唐卡图像的头饰分类中得到了成功的应用。标注图像的头饰区域，应用基本全局门限和用户观察直方图选择阈值相结合的方法分割标注区域;将图

遗传算法进行特征筛选，然后使用lightGBM模型进行训练和预测的过程。中间会输出相关的结果，并绘制出迭代次数与最优个体适应图的折线图。

基于GA-PSO混合优化神经网络的连续采煤机运煤系统故障诊断，李晓豁，张景晖，运煤系统是连续采煤机重要的组成部分，如果发生故障将导致连续采煤机停止工作，严重影响其生产率。本文在对连续采煤机运煤系统常

里面有标准的PSO代码和两个改进的PSO代码，对于初学者很有帮助！容易理解！