[ 登录/注册 ] 购物车(0)
期刊大全 杂志订阅 SCI期刊 期刊投稿 出版社 公文范文 精品范文
摘要:支持向量机的学习和泛化能力很大程度上取决于其相关参数的选取.针对传统网格算法的不足,引入全局粒子群算法,利用其能够快速到达最优解附近的优势:先使用粒子群算法进行粗搜;再使用网格搜索法进行小步长的精细搜索得到最优解.实验结果表明:基于改进的网格搜索法SVM对比传统网格搜索法SVM,在预测精度和运算时间上都具有优势.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
省级期刊 下单
国际刊号:2095-3046
国内刊号:36-1289/TF
国际刊号:1672-5913
国内刊号:11-5006/TP
国际刊号:1000-3266
国内刊号:11-2124/TP
国际刊号:1997-0668
多年专注期刊服务,熟悉发表政策,投稿全程指导。因为专注所以专业。
推荐期刊保障正刊,评职认可,企业资质合规可查。
诚信服务,签订协议,严格保密用户信息,提供正规票据。
如果发表不成功可退款或转刊。资金受第三方支付宝监管,安全放心。