蜣螂算法优化

机器学习之心

分类预测 | Matlab实现DBO-CNN-SVM蜣螂算法优化卷积神经网络结合支持向量机多特征分类预测1.Matlab实现DBO-CNN-SVM蜣螂算法优化卷积神经网络结合支持向量机多特征分类预测（完整源码和数据) 2.优化参数为：学习率，批量处理大小，正则化参数。 3.图很多，包括分类效果图，混淆矩阵图。 4．附赠案例数据可直接运行main一键出图～注意程序和数据放在一个文件夹，运行环境为Matlab2020及以上。 5.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 6.输入多个特征，分四类。

机器学习之心

C刊级 | Matlab实现DBO-BiTCN-BiGRU-Attention蜣螂算法优化双向时间卷积双向门控循环单元融合注意力机制多变量回归预测1.Matlab实现DBO-BiTCN-BiGRU-Attention蜣螂算法优化双向时间卷积双向门控循环单元融合注意力机制多变量回归预测（完整源码和数据），优化学习率，BiGRU的神经元个数，滤波器个数, 正则化参数； 2.输入多个特征，输出单个变量，回归预测，自注意力机制层，运行环境matlab2023及以上； 3.命令窗口输出R2、MAE、MAPE、 RMSE多指标评价； 4.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。

机器学习之心

多维时序 | Matlab实现DBO-LSTM蜣螂算法优化长短期记忆神经网络多变量时间序列预测1.Matlab实现DBO-LSTM多变量时间序列预测，蜣螂算法优化长短期记忆神经网络；蜣螂算法优化LSTM的学习率，隐藏层节点，正则化系数； 2.运行环境为Matlab2018b； 3.输入多个特征，输出单个变量，考虑历史特征的影响，多变量时间序列预测； 4.data为数据集，main.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、MSE、MAE、MAPE和MBE多指标评价；

机器学习之心

多维时序 | Matlab实现DBO-BiLSTM蜣螂算法优化双向长短期记忆神经网络多变量时间序列预测1.Matlab实现DBO-BiLSTM多变量时间序列预测，蜣螂算法优化双向长短期记忆神经网络；蜣螂算法优化优化BiLSTM的学习率，隐藏层节点，正则化系数； 2.运行环境为Matlab2018b； 3.输入多个特征，输出单个变量，考虑历史特征的影响，多变量时间序列预测； 4.data为数据集，main.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、MSE、MAE、MAPE和MBE多指标评价；

机器学习之心

分类预测 | Matlab实现DBO-SVM蜣螂算法优化支持向量机多特征分类预测1.Matlab实现DBO-SVM蜣螂算法优化支持向量机多特征分类预测（完整源码和数据) 优化支持向量机核函数参数c和g。 2.多特征输入单输出的二分类及多分类模型。运行环境matlab2018。 3.语言为matlab，含分类效果图，迭代优化图，混淆矩阵图。 4.直接替换数据即可使用，保证程序可正常运行。运行环境MATLAB2018及以上。 5.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。