暂无评论
单桩竖向极限承载力预测的支持向量机模型，赵月平，王威，在综合分析了各种单桩竖向极限承载力分析方法的基础上，提出了基于支持向量机的单桩竖向极限承载力预测方法，并在MATLAB中编制了�
选取表土层厚度、底板含水层厚度、底板含水层水位速降、井筒外径、井壁厚度、井筒投入使用时间6个立井井筒非采动破裂的特征属性作为判别因子,以工程实测数据作为学习样本,利用遗传算法优化支持向量机参数,建立了
为了提高接地网腐蚀速率预测的精确度,在建立预测模型的过程中,首先对接地网进行了基于电网络理论的腐蚀诊断过程,并以经过诊断之后确定的腐蚀支路位置为采样点。考虑到仅以土壤理化性质反映接地网腐蚀速率的局限性
将最小二乘支持向量机建模方法引入到动力配煤着火特性的分析建模中,针对配煤指标中计算困难的着火温度指标建立了最小二乘支持向量机模型,一方面克服了神经网络算法的过拟合、泛化能力弱等缺点;另一方面提高了求解
针对工业控制领域中非线性系统的模型辨识与预测控制问题,采用最小二乘支持向量机回归方法构造非线性函数,运用状态子空间(N4SID)模型辨识方法辨识非线性状态空间模型.在此基础上建立非线性预测控制器,利用
基于分析型CRM数据挖掘的移动客户流失预测模型分析与设计，李易桥，，本文通过研究人脑对视觉信息的处理过程，提出了一种新的自然图像压缩方法，该方法。本文在对目前我国电信企业新的竞争格局分析的
在电信行业，用户流失一直是一个备受关注的问题。为了更好地理解和预测电信用户流失，研究人员构建了一份详细的数据集，涵盖了多个关键特征。该数据集包括用户的通话时长、使用流量情况、账单支付情况等多个维度的数
目前客户流失预测任务中常用的模型集成方法采用传统机器学习模型作为基学习器。而传统机器学习模型相比于深度学习模型,存在无法对时序数据进行有效建模、特征工程对模型效果影响较大等缺点。针对这些问题,提出基于
BankChurners 机器学习分类模型可预测银行的客户流失。 嗨,访客们! 我是数据科学的新手,但我正在通过使用在线可用数据集将所有学习实践付诸实践。 我已经使用Python生成了机器学习分类模型
针对电信客户流失数据集存在的数据维度过高及单一分类器预测效果较弱的问题,结合过滤式和封装式特征选择方法的优点及组合分类器的较高预测能力,提出了一种基于Fisher比率与预测风险准则的分步特征选择方法结
暂无评论