基于支持向量机方法对非平稳时间序列的预测!

本文所探讨的支持向量机(SupportVectorMachine,SVM)专门解决小样本问题,以结构风险最小化为原则寻找全局最优解。在预测沼气中CH4浓度时,本文首次尝试把温度作为影响探测器输出的重要

针对径流时间序列固有的强非线性和非平稳性特征,提出了一种将集合经验模式分解(EEMD)、样本熵 (SE)和正则化极限学习机(RELM)相结合的非平稳日径流预测方法(ES-RELM)。为充分提取径流序列

此文档中介绍的基于支持向量机的文本分类方法是网络舆情分析中常用的文本分类

Implementation of Support Vector Machine Pascal Code Based on SMO Method

支持向量机方法的介绍以及这个方法在黄河凌汛预报中的应用

针对所有样本点均出现在最小二乘支持向量机模型中的缺陷,提出一种改进的最小二乘支持向量机回归方法.根据最小二乘支持向量机模型学习误差的大小,去除原变量空间中大部分误差较小的样本点,从而获得回归模型的“稀

煤自燃温度的准确预测是矿井煤自燃防控的关键。为了科学准确地预测采空区煤自燃温度,在大佛寺煤矿40106综放工作面开展现场观测实验,以现场束管监测系统数据为基础,采用粒子群优化算法(PSO)优化支持向量

SupportVectorMachines:使用支持向量机和支持向量分类器预测人群

该书与吕金虎的混沌时间序列分析是这类书的经典，相对而言，韩敏教授的这本书案例丰富，知识体系清楚，是个非常好的学习教程！

销售预测是指通过时间序列分析法对销售数据进行趋势、周期、时期和不稳定因素的分析，从而预测未来销售情况。时间序列分析是一种动态数据处理的统计方法，可以分为确定性变化分析和随机性变化分析。其中，确定性变化