说明:经验模态分解(Empirical Mode Decomposition,简称EMD))方法被认为是2000年来以傅立叶变换为基础的线性和稳态频谱分析的一个重大突破 [1] ,该方法是依据数据自身的时间尺度特征来进行信号分解,无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅...
说明:旋转森林最近热门的集成学习分类方法,可用于模式识别分类。当输入数据中存在非线性关系的时候,基于线性回归的模型就会失效,而基于树的算法则不受数据中非线性关系的影响,基于树的方法最大的一个困扰时为了避免过拟合而对树进行剪枝的难度,对于潜在数据中的噪声,大型的树倾向于受影响,导致低偏差(过度拟合)或高方差...
说明:多分类器集成系统是当前机器学习领域的一个研究热点。由于使用多个基分类器构建的集成系统通常比单个优秀的分类器具有更强的泛化能力,因此多分类器集成系统为许多基于传统模式识别方法很难解决的分类问题提供了新的解决方案。DNA微阵列技术是一种由物理学、微电子学与分子生物学等几个领域综合交叉形成的高新技术,该技...
说明:使用matlab实现智能预测控制算法,预报误差法参数辨识-松弛的思想,包括广义互相关函数GCC时延估计,利用贝叶斯原理估计混合logit模型的参数,用于特征降维,特征融合,相关分析等,重要参数的提取。
说明: Matlab程序:SVM回归分析以及参数优化,更好的提升分类器的性能。资源包括创建SVR训练模型,寻找最佳c参数和g参数,建立SVR模型,SVR仿真预测实例分析。该资源适合SVM初学者!
说明:高斯过程回归模型,适用多维数据,适当的修改就可以用于自己的数据,预测精度很高,类kriging模型