1) wavelet support vector machine
小波支持向量机
1.
Short-term load forecasting based on wavelet support vector machine and phase space reconstruction;
小波支持向量机与相空间重构结合的短期负荷预测研究
2.
Based on the powerful nonlinear mapping ability of support vector machines and the ability of wavelet kernel function in analyzing locally and extracting characteristic features from time series,the short-term power load forecasting method of wavelet support vector machines(WSVM) in combination with delay coordinate phase reconstruction of chaotic time series is proposed.
根据相空间延迟坐标重构理论,基于支持向量机强大的非线性映射能力和小波核函数的局部分析和特征提取能力,提出了一种基于小波支持向量机的电力系统短期负荷预测方法,并利用该方法对嵌入维数与预测性能的关系进行了探讨。
3.
Considering the nonlinearity,complexity and randomicity of elevator traffic flow,the prediction model of elevator traffic flow based on wavelet support vector machines was proposed.
考虑到电梯交通流本身所存在的非线性、复杂性和随机性,提出了一种基于小波支持向量机的电梯交通流预测模型。
2) wavelet packet-SVR
小波包-支持向量机回归
1.
First,wavelet packet-SVR(Support Vector Regression) prediction model is constructed.
首先建立网络带宽负载和CPU、内存综合性能负载的小波包-支持向量机回归混合预测模型;然后根据用户请求的类型,结合负载预测的结果对任务进行分配和调度。
3) least square Littlewood-Paley wavelet support vector machine(LS-WSVM)
最小二乘Littlewood-Paley小波支持向量机
4) Least Square-Wavelet Support Vector regression
最小二乘小波支持向量回归机
5) least squares wavelet support vector machine
最小二乘小波支持向量机
1.
Aiming at the characteristics of early fire information,a least squares wavelet support vector machine(LS-WSVM) multi-class classification method based on binary tree was presented.
针对早期火灾信息特点,提出了一种基于二叉树的最小二乘小波支持向量机(Least squareswavelet support vector machine,LS-WSVM)多类分类方法。
补充资料：支持向量机方法
支持向量机(SVM)是90年代中期发展起来的基于统计学习理论的一种机器学习方法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，亦能获得良好统计规律的目的。支持向量机算法是一个凸二次优化问题,能够保证找到的极值解就是全局最优解，是神经网络领域域取得的一项重大突破。与神经网络相比，它的优点是训练算法中不存在局部极小值问题，可以自动设计模型复杂度(例如隐层节点数)，不存在维数灾难问题，泛化能力强。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条