动态贝叶斯最小二乘支持向量机

针对工业过程中普遍存在的非线性被控对象, 提出一种基于最小二乘支持向量机建模的预测控制算法. 首 先, 用具有RBF 核函数的L S2SVM 离线建立被控对象的非线性模型; 然后, 在系统运行过程中,

基于提升小波和最小二乘支持向量机的大坝变形预测,徐宝松,顾冲时,本文提出了一种基于提升小波和最小二乘支持向量机的大坝变形预测方法,即通过提升小波分析提取大坝监测数据效应量,分别对各效应

支持向量机 朴素贝叶斯 matlab代码 含说明文档 有测试数据 可以直接运行

提出利用最小二乘支持向量机方法进行矿用胶带机滚动轴承故障识别方法,利用小波包的分解方法提取检测信号的故障信息,并将其作为最小二乘支持向量机的输入量,将样本的常见故障类型作为输出量,对样本的输入量和输出

Sparse Bayesian Learning and the Relevance Vector Machine Michael E. Tipping 2001年的一篇早期资料,论述了贝叶斯框架下的

鉴于传统在线最小二乘支持向量机在解决时变对象的回归问题时, 模型跟踪精度不高, 支持向量不够稀疏, 结合迭代策略和约简技术, 提出一种在线自适应迭代约简最小二乘支持向量机. 该方法考虑新增样本与历史数

无轴承同步磁阻电机是一个复杂的多变量、强耦合非线性系统, 实现其非线性动态解耦控制是无轴承同步 磁阻电机稳定运行的前提. 在推导其数学模型的基础上, 采用最小二乘支持向量机的方法得到无轴承同步磁阻电机

基于最小二乘支持向量回归机的盲均衡算法，王振朋，韩应征，支持向量机是解决有限样本学习的有效工具，由于其具有优良的泛化性能，本文提出了一种基于最小二乘支持向量回归机的盲均衡算法，

基于改进混沌粒子群算法的最小二乘支持向量机短期负荷预测，李劲秋，王韶，针对目前采用最小二乘支持向量机进行电力系统短期负荷预测时，运用混沌粒子群算法选取参数不能完全解决早熟，导致精度下降的问题

最小二乘支持向量机的自编代码和安装SVM工具箱方法