提出了一种改进的网格搜索法和交叉验证法对支持向量回归机( SVR )参数优化选择,并对节假日忙时话务进行预测,并 BP神经网络、基格搜索SVR三种预测模型进行比较。而且
基于SVR残差修正自回归模型的区域物流需求
800x1070 - 420KB - PNG
支持向量回归预测模型在材料性能预测中的应用
249x204 - 7KB - JPEG
支持向量回归预测模型在材料性能预测中的应用
457x331 - 41KB - JPEG
基于多Agent粒子群优化的支持向量回归模型预
800x1131 - 697KB - PNG
基于支持向量回归机的道路交通事故预测模型研
1439x1984 - 1042KB - PNG
【国家自然科学基金】_支持向量回归(svr)_基金
676x1092 - 147KB - JPEG
基于APSO-SVR山岳风景区短期客流量预测.do
793x1122 - 80KB - PNG
SVR回归分析简明教程
560x430 - 25KB - JPEG
于ARIMA建立的卡尔曼滤波算法修正的SVR短
794x1123 - 61KB - PNG
灰狼群智能最优化的神经网络PM2.5浓度预测-
523x341 - 38KB - JPEG
城市供水管网余氯预测数学模型研究.pdf
800x1168 - 510KB - PNG
电梯交通流时间序列支持向量回归预测研讨.pd
800x1132 - 178KB - PNG
间重构和支持向量机结合的电力负荷预测模型研
141x200 - 21KB - PNG
【国家自然科学基金】_支持向量回归机(svr)_基
676x1092 - 128KB - JPEG
svr模型拟合因变量只是自变量进行平移缩放是
561x420 - 23KB - JPEG