1 模型针对非平稳,非线性时间序列变化复杂,难以用单一智能方法进行有效预测的问题,提出一种新的基于经验模式分解和支持向量回归的混合智能预测模型.经验模式分解能将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个基本模式分量,根据这些分量各自趋势变化的剧烈程度选择不同的核函数进行支持向量回归预测,对各预测分量进行加权组合,得到原始序列的准确预测值.实证研究表明对于非平稳,非线性时间序列的预测,不
原创
2021-10-16 16:20:44
655阅读
时序预测 | MATLAB实现EMD-GWO-SVR经验模态分解结合灰狼算法优化支持向量机时间序列预测（含EMD-GWO-SVR、EMD-SVR、GWO-SVR、SVR对比）
原创
2024-03-12 11:31:19
291阅读
SVM支持向量机定义：支持向量机是主要用于解决分类问题的学习模型。它的基本模型是在特征空间中寻找间隔最大化的分离超平面的线性分类器。分类1-当训练样本线性可分，通过硬间隔最大化，学习一个线性分类器，叫线性可分支持向量机2-当训练数据近似线性可分时，引入松弛变量，通过软间隔最大化，学习一个线性分类器，叫线性支持向量机3-当训练数据线性不可分的时候，通过使用核技巧以及软间隔最大化，学习非线性支持向量机
转载
2024-07-15 15:37:55
117阅读
1.不同核函数测试SVR是支持向量机的重要应用分支。SVR就是找到一个回归平面，让一个集合的所有数据到该平面的距离最近。首先，导入所需要的库，然后，用随机数种子和正弦函数生成数据集，并将数据集打印出来。接着，调用SVM的SVR函数进行支持向量回归，并同时选取核函数。最后，使用predict函数对时间序列曲线进行预测。代码部分：#!/usr/bin/python
# -*- coding:utf-
转载
2023-10-27 17:21:56
346阅读
1.项目背景麻雀搜索算法(Sparrow Search Algorithm, SSA)是一种新型的群智能优化算法，在2020年提出，主要是受麻雀的觅食行为和反捕食行为的启发。在麻雀觅食的过程中，分为发现者（探索者）和加入者（追随者），发现者在种群中负责寻找食物并为整个麻雀种群提供觅食区域和方向，而加入者则是利用发现者来获取食物。为了获得食物，麻雀通常可以采用发现者和加入者这两种行为策略进行觅食。种
转载
2023-10-28 07:50:01
17阅读
支持向量回归（SVR）是一种回归算法，它应用支持向量机（SVM）的类似技术进行回归分析。正如我们所知，回归数据包含连续的实数为了拟合这种类型的数据，SVR模型在考虑到模型的复杂性和错误率的情况下，用一个叫做ε管（epsilon-tube，ε表示管子的宽度）的给定余量来接近最佳值。在本教程中，我们将通过在 Python 中使用 SVR ，简要了解如何使用 SVR 方法拟合和预测回归数据。教程涵盖：准
转载
2023-12-30 20:38:57
189阅读
一、EMD及SVM简介1 引言时间序列预测是将预测目标的历史数据按照时间的顺序排列成为时间序列，然后分析它随时间的变化趋势，外推预测值。时间序列预测，尤其是非平稳、非线性时间序列的预测在经济、金融、工业、生物医学等领域中有着重要的应用。目前常用于时间序列预测的有回归模型和神经网络等方法，但是这些传统的单一预测方法难以在信息贫乏和不确定性条件下做出准确有效的预测?，这就使得必须根据时间序列波动趋势变化的规律和特点，找到一个鲁棒性强、预测精度高且实用的预测方法。经验模式分解(Empirical Mode
原创
2021-11-08 10:24:58
296阅读
一、EMD及SVM简介1 引言 时间序列预测是将预测目标的历史数据按照时间的顺序排列成为时间序列，然后分析它随时间的变化趋势，外推预测值。时间序列预测，尤其是非平稳、非线性时间序列的预测在 经济、金融、工业、生物医学等领域中有着重要的应用。目前常用于时间序列预测的有回归模型和神经网络等方法，但是这些传统的单一预测方法难以在信息贫乏和不确定性条件下做出准确有效的预测?，这就使得必须根据时间序列
原创
2022-04-06 18:46:38
591阅读
一、EMD及SVM简介1 引言时间序列预测是将预测目标的历史数据按照时间的顺序排列成为时间序列，然后分析它随时间的变化趋势，外推预测值。时间序列预测，尤其是非平稳、非线性时间序列的预测在经济、金融、工业、生物医学等领域中有着重要的应用。目前常用于时间序列预测的有回归模型和神经网络等方法，但是这些传统的单一预测方法难以在信息贫乏和不确定性条件下做出准确有效的预测?，这就使得必须根据时间序列波动趋势变化的规律和特点，找到一个鲁棒性强、预测精度高且实用的预测方法。经验模式分解(Empirical Mode
原创
2021-11-08 10:25:02
281阅读
库卡（KUKA）机器人入门学习必备知识1、库卡机器人零点标定使用的工具通常有两种：1）千分表，标定精度偏低。2）EMD电子装置，标定精度较高。2、库卡机器人停机模式有三种。分别是：STOP0,STOP1,STOP2这三种模式，停止的过程也不同。3、库卡机器人控制柜有基本的有5种型号。分别是：紧凑型（ Compact ）、小型（ Smallsize-2 ）、标准型（ Standard ）、中型（ M
转载
2024-04-18 14:08:10
133阅读
点云分析中的EMD（Earth Mover’s Distance）距离EMD（Earth Mover’s Distance）距离介绍EMD距离，又叫做推土机距离，也叫作Wasserstein距离。个人理解，EMD距离是离散化的Wasserstein距离，而Wasserstein距离是描述两个连续随机变量的EMD距离。二者数学思想是相同的，但是所描述的对象和应用场景稍有区分。由于个人正在做关于点云数
转载
2024-04-30 17:38:02
307阅读
EM算法：期望最大化算法MLE（极大似然估计法）是一种非常有效的参数估计方法，但在概率模型中，有时既含有观测变量 (observable variable), 又含有隐变量(hidden variable)或潜在变量(latent variable)，例如：分布中有多余参数或数据为截尾或缺失时，这个时候使用MLE求解是比较困难的。于是Dempster等人于1977年提出了EM算法，其出发点是把求M
转载
2024-04-19 08:37:14
114阅读
回归和分类从某种意义上讲，本质上是一回事。SVM分类，就是找到一个平面，让两个分类集合的支持向量或者所有的数据（LSSVM）离分类平面最远；SVR回归，就是找到一个回归平面，让一个集合的所有数据到该平面的距离最近。 r=d(x)−g(x)r=d(x)−g(x)。另外，由于数据不可能都在回归平面上，距离之和还是挺大，因此所有数据到回归平面的距离可以给定一个容忍值ε防止过拟合。该参数是经验
转载
2024-01-20 17:34:40
117阅读
1.项目背景黏菌优化算法（Slime mould algorithm，SMA）由Li等于2020年提出，其灵感来自于黏菌的扩散和觅食行为，属于元启发算法。具有收敛速度快，寻优能力强的特点。主要模拟了黏菌的扩散及觅食行为，利用自适应权重模拟了基于生物振荡器的“黏菌传播波”产生正反馈和负反馈的过程，形成具有良好的探索能力和开发倾向的食物最优连接路径，因此具有较好的应用前景。本项目通过SMA黏菌优化算法
转载
2023-08-15 15:03:31
248阅读
重头戏来了。在以往的应用经验里，VMD方法在众多模态分解方法中可以说是非常好的。从催更力度上看，这个方法也是格外受关注。笔者决定加快进度快一些写完这个方法，十月份了有些同学要开始做毕设，希望这篇文能帮上忙。1. VMD（变分模态分解）的概念VMD（Variational Mode Decomposition）即变分模态分解，与2014年由Dragomiretskiy[1]等人提出，虽然它也叫模态分
转载
2024-05-07 21:26:01
904阅读
1.再讲支持向量回归之前，先推导如何将ridge regression加核。什么是ridge regression，简单说就是线性回归加上regularized项，也就是下图中的第一个式子： 2.如何给这个式子加核，跟之前SVM里面加核一样，最好的W参数，可以表示为Z的线性组合，证明过程如下，首先令最好的W写成与W平行和垂直的项，平行的可以由Z表现出来，剩下的一项则垂直于Z。那么现在如果W能
转载
2023-10-16 16:36:29
238阅读
目录 目录首先在echarts中修改地图的边界的颜色然后开始一段新的征程一些有趣的获取每个月多少天的代码接着我们来看一下把时间转换为标准格式的方法下面我们来看看一些比较杂乱的东西都是我一点点总结出来的有的没写答案来模拟一个map的方法Objectcreate两种不常见的css隐藏css模拟拿起放下的效果下面进入正题this的一些问题这是对 this 的描述我知道 this 的指向一般分 4 种情况
转载
2024-10-23 21:55:59
20阅读
呆瓜在论文里使用了EMD方法，对于EMD方法，呆瓜刚开始接触时是懵逼的，完全不知道用来干什么。在请教了导师和夫哥后呆瓜也进行了自学，现在呆瓜对EMD有了初步的了解，也算是在论文之路上又前进了一步。在本文最后，呆瓜对上证闭盘数据进行了EMD分解，但只是做了分解图，并未作出解读和分析。本文结构大致如下图：首先，信号处理是现代科学的一个重要研究领域，遍及通信、数据分析、模式识别、金融等几乎所有的应用领域
转载
2024-03-29 20:03:09
388阅读
LAMMPS学习总结11、手册中说，Compute temp/region与执行温度调节的fix（fix nve/fix langevin等）命令一起使用，那么这个偏差将从每个原子中减去，剩余的热速度的温度调节将被执行，并且偏差将被添加回去。这是什么意思？？？？2、NEMD计算热导率的langvin控温法中，为什么两次langevin控温呢？而且第一次的fix 没有unfix就直接又fix了 这
转载
2024-04-25 18:07:33
309阅读
统计学习基础回顾 1. 后验概率 2 2. . 极大似然法 (MLE) 信息论基础 1. （互）信息 2. 熵、条件熵 3. 交叉熵、相对熵 最大熵模型 1 1 . 凸优化理论推导 Maxent 2. 与 MLE 的关系 EM 算法 1 1 . GMM 实例 2. MLE 推导我希望自己能通俗地把它理解或者说明白，但是，EM这个问题感觉真的不太好用通俗的语言去说明白，因为
转载
2024-05-13 13:38:25
42阅读
