暂无评论
基于新颖输入表达的CRBM时间序列预测模型,任永攀,毛京丽,深度学习通过多层神经网络能够提取更深层次的信息,已经在图像预测领域取得了较好的性能,其中条件受限玻耳兹曼机(CRBM)模型,因考
基于混沌时间序列的话题传播趋势预测，谷樱彬，田野，目前，基于社会化网络分析的成果已经成功应用于自然灾害预测、新闻事件传播分析、销售业绩预测、选举民意预测等方面。本文根据获
提出了一种基于小波变换和多类支持向量机的图像分类新方法，该方法利用小波变换进行图像特征提取，利用多类支持向量机进行图像分类，并与基于图像底层特征的图像分类方法进行了实验比较。实验结果表明该方法具有较好
这是一篇2008年6月的硕士毕业论文,详细的介绍了基于时间序列的数据挖掘算法在股票数据的分析和预测。其中在多元时间序列跨事物关联规则分析高效处理算法optimize基础上改进,用二维时间模式进行分析。
平稳时间序列预测模型分析详细讲解了平稳时间序列预测模型的具体分析方法合乎预测模型的设计准则等内容.
支持向量机若干优化算法的比较研究，马义德，邱秀清，支持向量机(SVM)是统计学习理论(SLT)的一种成功实现，它建立在SLT的VC维理论和结构风险最小化原理基础之上，根据有限样本信息在模型复
单类支持向量机是一种用途广泛的分类器，它能够应用于负类样本难以收集的领域中，如入侵检测、故障检测与诊断和遥感数据分类等领域。因此无论在理论研究还是实际应用方面，单类支持向量机受到越来越多的关注。回顾单
时间序列平稳性检验方法分析及应用研究，陈海龙，王钧婷，判断时间序列的平稳性是时间序列分析的重要环节。由于平稳信号与非平稳信号的性质差别显著，所以判断时间序列的平稳性非常重要。
半监督支持向量机回归模型研究，冀杰，程玉虎，利用支持向量机和K近邻学习器的优点，提出一种半监督支持向量机回归模型。支持向量机通过选择高置信度的未标记样本加以标记，并��
论文研究-降水时间序列的聚类分析和预测.pdf, 本文阐述了对160个中国大陆降雨序列进行同步预测的完整方法。预测模型是用多元分析和随机序列等方法综合建立的, 预测结果较好。文中重点研究能用个人计算
暂无评论