⛄ 内容介绍一种基于CNNSVM的软件缺陷预测方法,从软件历史开发数据中提取软件数据特征,将获得的数据特征进行归一化处理;对归一化后的缺陷样本的数据特征进行SMOTE样本扩充;构建CNNSVM模型,正常样本和扩充后的缺陷样本一起输入到CNNSVM模型中,先由CNN网络进行卷积,下采样和扁平化处理,完成特征提取后,输入到SVM层进行缺陷预测;采用RMSProp优化器,基于binary_cross_e
转载
2024-04-08 10:34:11
49阅读
1 简介基于数据的机器学习就是由观测样本数据得出目前尚不能通过原理分析得到的规律,利用其对未来数据进行预测.神经网络以其优越的函数逼近性能广泛用于建立时间序列过去与未来数据之间某种确定的映射关系,实现预测.首先分析了以经验风险最小化为准则的神经网络的局限性,以及针对此提出的结构风险最小化准则的优点;其次引出支持向量机;最后利用支持向量机对用电数据做较准确的多步预测.2 部分代码clear&nbs
原创
2022-01-06 22:38:40
764阅读
1 简介支持向量机基本上是最好的有监督学习算法了。最开始接触SVM是去年暑假的时候，老师要求交《统计学习理论》的报告，那时去网上下了一份入门教程，里面讲的很通俗，当时只是大致了解了一些相关概念。这次斯坦福提供的学习材料，让我重新学习了一些SVM知识。我看很多正统的讲法都是从VC 维理论和结构风险最小原理出发，然后引出SVM什么的，还有些资料上来就讲分类超平面什么的。这份材料从前几节讲的logist
转载
2024-04-16 10:34:33
69阅读
看见大家想学习组合预测，我今晚就准备加班，给大家上一个arima+svm的组合预测，有什么不足的请指出了，时间序列是一个大类，我今天主要是给大家展示的是最常用的arima. 这里原理就不介绍了，只讲应用，你可以自己搜索网上原理或者关注我后面论文，我会专门写一个原理部分，目前也是帮别人处理的模型，根本不需要研究原理，只是给大家提供一个思路。串联组合的原理都是这样的，前面用灰色预测或者时间序列或者回归
转载
2023-12-14 20:31:27
24阅读
1 简介支持向量机 (Support Vector Machines, SVM) 是一种应用广泛的机器学习方法, 具有理论知识清晰完备,适应性和泛化能力良好的优点, 核心思想是在特征空间中寻找到一个最优超平面将两类样本尽可能大的分开, 能够较好的处理小样本、非线性和克服“维数灾难”问题, 并且表现出优秀的分类能力和泛化能力而被广泛应用于分类和回归等领域. 但是 SVM 对核函数的参数选取对分类效果
原创
2022-01-04 19:44:37
457阅读
一、简介先回顾一下在基本线性可分情况下的SVM模型：分类svm模型中要让训练集中的各个样本点尽量远离自己类别一侧的支持向量。其实回归模型也沿用了最大间隔分类器的思想。
原创
2021-07-05 09:40:33
3287阅读
1评论
1 简介支持向量机 (Support Vector Machines, SVM) 是一种应用广泛的机器学习方法, 具有理论知识清晰完备,适应性和泛化能力良好的优点, 核心思想是在特征空间中寻找到一个最优超平面将两类样本尽可能大的分开, 能够较好的处理小样本、非线性和克服“维数灾难”问题, 并且表现出优秀的分类能力和泛化能力而被广泛应用于分类和回归等领域. 但是 SVM 对核函数的参数选取对分类效果
原创
2022-01-05 18:57:48
326阅读
1 简介为了提高支持向量机(SVM)模型的拟合精度和泛化能力,以最小化输出量的均方误差为目标,采用基于万有引力定律的优化机制,提出了一种基于引力搜索算法的SVM参数优化方法.通过仿真实验验证,基于引力搜索算法的SVM回归模型不但精度高且泛化能力强.将该方法应用于谷氨酸发酵过程的建模研究,仿真结果表明,该方法可以提高谷氨酸质量浓度的预测精度.2 部分代码% GSA code v1.0.% Gener
原创
2022-03-18 11:28:47
336阅读
1 简介提出一种基于郊狼优化算法(COA)和支持向量机(SVM)的股价预测方法.针对SVM预测模型参数难以确定的问题,采用COA算法对SVM中惩罚因子及核函数参数进行优化,构建COA-SVM股价预测模型。支持向量机是利用已知数据类别的样本为训练样本，寻找同类数据的空间聚集特征，从而对测试样本进行分类验证，通过验证可将分类错误的数据进行更正。本文以体检数据为数据背景，首先通过利用因子分析将高维数据进
原创
2022-04-08 22:02:20
478阅读
1 模型 基于数据的机器学习就是由观测样本数据得出目前尚不能通过原理分析得到的规律,利用其对未来数据进行预测.神经网络以其优越的函数逼近性能广泛用于建立时间序列过去与未来数据之间某种确定的映射关系,实现预测.首先分析了以经验风险最小化为准则的神经网络的局限性,以及针对此提出的结构风险最小化准则的优点;其次引出支持向量机;最后利用支持向量机对股票数据做较准确的多步预测.2
原创
2021-10-13 00:09:36
1136阅读
✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。 ?个人主页：Matlab科研工作室?个人信条：格物致知。更多Matlab仿真内容点击?智能优化算法 神经网络预测 雷达通信 无线传感器信号处理 图像处理 路径规划 元胞自动机 无人机 电力系统⛄ 内容
原创
2022-11-26 20:50:27
568阅读
使用SVM ，需要安装libsvm包。 安装包可以到这个官网下载：https://www.csie.ntu.edu.tw/~cjlin/libsvm/使用SVM 训练和预测，需要正确的数据： X：保存特征。可以是二维矩阵，如：[ [c1 ,c2, c3…] ,[…],…];也可以是这样的形式[{a1:c1,a2:c2,a3:c3…},{…} …],c1,c2…表示特征值a1,a2,a3…表示词位置
转载
2024-03-14 18:00:06
56阅读
SVM1. 基本概念支持向量机（Support Vector Machine, SVM）的基本模型是在特征空间上找到最佳的分离超平面使得训练集上正负样本间隔最大。SVM是用来解决二分类问题的有监督学习算法
原创
2021-07-05 11:18:06
611阅读
支持向量机（support vector machines, SVM）是二分类算法，所谓二分类即把具有多个特性（属性）的数据分为两类，目前主流机器学习算法中
原创
2021-07-05 18:19:27
2103阅读
1 简介针对支持向量机(support vector machine, SVM)的分类性能受自身参数选择影响较大的问题,提出了基于麻雀搜索算法(sparrow search algorithm, SSA)优化SVM的故障诊断方法.利用麻雀搜索算法(SSA)对支持向量机的惩罚参数(C)与核参数(g)进行优化,并构建SSA-SVM股票预测模型.结果表明:SSA-SVM诊断模型的测试正确率为96.67%
原创
2022-02-16 21:52:28
1127阅读
1 简介对开盘指数预测的精度与可靠性提出更高要求.为解决支持向量机(SVM)算法中核参数和惩戒参数依赖经验选取导致的大盘指数预测精度较低,收敛速度较慢的问题,提出一种基于鲸鱼算法优化最小二乘支持向量机(WOASVM)的负荷预测方法.首先通过鲸鱼算法对SVM参数进行寻优,最后建立大盘指数预测模型.结合某地区的实测数据进行预测分析,结果表明,相较于SVM改进模型预测精度和收敛速度均有大幅提高,在金融企
原创
2022-03-04 21:40:25
573阅读
1 简介提出一种基于松鼠算法(SSA)和支持向量机(SVM)的股价预测方法.针对SVM预测模型参数难以确定的问题,采用SSA算法对SVM中惩罚因子及核函数参数进行优化,构建SSA-SVM股价预测模型。2 部分代码clc;clear all;close all;[f p]=uigetfile('*');X=importdata([p f]);data=X.data;data2=data
原创
2022-05-06 11:23:21
360阅读
预测模型参数的选取对其泛化能力和预测准确度，起着至关重要作用。基于径向基核函数的最小二乘支持向量机参数主要涉及惩罚因子和核函数参数，这两个参数的选择将直接影响最小二乘支持向量机的学习和泛化能力。为了提高最小二乘支持向量机的预测结果，文章用灰狼优化算法对其参数寻优，建立软件老化预测模型。通过实验证明了该模型，对软件老化的预测表现出很好的效果。遗留在软件中的缺陷会随软件系统长期持续运行造成计算机内存泄
转载
2021-05-08 13:22:21
1497阅读
3评论
分类预测 | Matlab实现QPSO-SVM、PSO-SVM、SVM多特征分类预测对比
原创
2024-03-11 11:42:33
84阅读
文章目录肿瘤分类与预测（SVM）【实验内容】【实验要求】**【数据集】：威斯康星乳腺肿瘤数据集**加载data文件夹里的数据集：威斯康星乳腺肿瘤数据集查看样本特征和特征值，查看样本特征值的描述信息。进行数据清洗（如删除无用列，将诊断结果的字符标识B、M替换为数值0、1等）。进行特征选取（方便后续的模型训练）。用热力图呈现features_mean字段之间的相关性，从而选取特征。进行数据集的划分（
转载
2023-11-11 19:44:46
0阅读
