核极限学习机

机器学习之心

回归预测 | Matlab实现GSWOA-KELM混合策略改进的鲸鱼优化算法优化核极限学习机的数据回归预测GSWOA-KELM多变量回归预测基于三种策略改进的鲸鱼优化算法（GSWOA)优化核极限学习机(KELM)的数据回归预测模型通过改进鲸鱼算法优化KELM的两个参数，避免了人工选取参数的主观盲目，有效提高预测精度。用的人还很少～ WOA改进点如下： 1.在鲸鱼位置更新公式中加入自适应权重，动态调节最优位置的影响力，改善算法收敛速度 2.使用变螺旋位置更新策略，动态调整螺旋的形状，提升算法全局搜寻能力 3.引入最优邻域扰动策略，避免算法陷入局部最优解，解决算法早熟现象。直接替换数据即可用适合新手小白～

机器学习之心

回归预测 | MATLAB实现基于SSA-KELM-Adaboost麻雀算法优化核极限学习机结合AdaBoost多输入单输出回归预测1.Matlab实现SS-KELM-Adaboost多变量回归预测; 2.运行环境为Matlab2020b； 3.输入多个特征，输出单个变量，多变量回归预测； 4.data为数据集，excel数据，前7列输入，最后1列输出，SSA-KELM-AdaboostNN.m为主程序，运行即可,所有文件放在一个文件夹； 5.命令窗口输出R2、MAE、MAPE、RMSE多指标评价；

【数据预测】基于蜣螂优化算法DBO的VMD-KELM光伏发电功率预测短期功率预测【Matlab代码#53】蜣螂优化算法可参考DBO介绍变分模态分解（Variational Mode Decomposition，简称VMD）是一种信号分解和降噪方法，用于从复杂的信号中提取出不同的成分或模态。