cnn-svm

机器学习之心1 年前
分类预测·cnn-svm·鱼鹰算法优化·ooa-cnn-svm·卷积支持向量机
分类预测 | Matlab实现OOA-CNN-SVM鱼鹰算法优化卷积支持向量机分类预测1.Matlab实现OOA-CNN-SVM鱼鹰算法优化卷积支持向量机分类预测（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1 年前
多输入单输出回归预测·ssa-cnn-svm·cnn-svm·麻雀算法优化·卷积神经网络-支持向量机
回归预测 | Matlab实现SSA-CNN-SVM麻雀算法优化卷积神经网络-支持向量机的多输入单输出回归预测1.SSA-CNN-SVM麻雀算法优化卷积神经网络-支持向量机的多变量回归预测 可直接运行Matlab; 2.评价指标包括: R2、MAE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。要求2021版本及以上。 3.麻雀算法SSA优化的参数为:CNN的批处理大小、学习率、正则化系数，能够避免人工选取参数的盲目性，有效提高其预测精度。 4.main.m为主程序，其他为函数文件，无需运行，data为数据，多输入单输出，数据回归预测，输入7个特征，输出1个变量，直接替换Excel数据即可用!注释清晰，
机器学习之心1 年前
多输入单输出回归预测·鲸鱼算法优化·woa·cnn-svm·卷积神经网络-支持向量机·woa-cnn-svm
回归预测 | Matlab实现WOA-CNN-SVM鲸鱼算法优化卷积神经网络-支持向量机的多输入单输出回归预测1.WOA-CNN-SVM鲸鱼算法优化卷积神经网络-支持向量机的多变量回归预测 可直接运行Matlab; 2.评价指标包括: R2、MAE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。要求2021版本及以上。 3.鲸鱼算法WOA优化的参数为:CNN的批处理大小、学习率、正则化系数，能够避免人工选取参数的盲目性，有效提高其预测精度。 4.main.m为主程序，其他为函数文件，无需运行，data为数据，多输入单输出，数据回归预测，输入7个特征，输出1个变量，直接替换Excel数据即可用!注释清晰，
机器学习之心1 年前
鹈鹕算法优化·cnn-svm·卷积神经网络-支持向量机·多变量回归预测·poa-cnn-svm·poa
回归预测 | Matlab实现POA-CNN-SVM鹈鹕算法优化卷积神经网络-支持向量机多变量回归预测1.POA-CNN-SVM鹈鹕算法优化卷积神经网络-支持向量机的多变量回归预测 可直接运行Matlab; 2.评价指标包括: R2、MAE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。要求2021版本及以上。 3.鹈鹕算法POA优化的参数为:CNN的批处理大小、学习率、正则化系数，能够避免人工选取参数的盲目性，有效提高其预测精度。 4.main.m为主程序，其他为函数文件，无需运行，data为数据，多输入单输出，数据回归预测，输入7个特征，输出1个变量，直接替换Excel数据即可用!注释清晰，
机器学习之心1 年前
多输入单输出回归预测·蛇群算法优化·cnn-svm·卷积神经网络-支持向量机·so-cnn-svm·so
回归预测 | Matlab实现SO-CNN-SVM蛇群算法优化卷积神经网络-支持向量机的多输入单输出回归预测1.SO-CNN-SVM蛇群算法优化卷积神经网络-支持向量机的多变量回归预测 可直接运行Matlab; 2.评价指标包括: R2、MAE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。要求2021版本及以上。 3.蛇群算法SO优化的参数为:CNN的批处理大小、学习率、正则化系数，能够避免人工选取参数的盲目性，有效提高其预测精度。 4.main.m为主程序，其他为函数文件，无需运行，data为数据，多输入单输出，数据回归预测，输入7个特征，输出1个变量，直接替换Excel数据即可用!注释清晰，适合
机器学习之心1 年前
cnn-svm·rime-cnn-svm·rime·霜冰优化算法优化·卷积神经网络-支持向量机·多变量回归预测
回归预测 | Matlab实现RIME-CNN-SVM霜冰优化算法优化卷积神经网络-支持向量机的多变量回归预测1.RIME-CNN-SVM霜冰优化算法优化卷积神经网络-支持向量机的多变量回归预测 可直接运行Matlab; 2.评价指标包括: R2、MAE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。要求2021版本及以上。 3.2023年新算法霜冰优化算法RIME优化的参数为:CNN的批处理大小、学习率、正则化系数，能够避免人工选取参数的盲目性，有效提高其预测精度。 4.main.m为主程序，其他为函数文件，无需运行，data为数据，多输入单输出，数据回归预测，输入7个特征，输出1个变量，直接替换Ex
机器学习之心1 年前
ssa-cnn-svm·cnn-svm·麻雀算法优化·卷积支持向量机分类预测
分类预测 | Matlab实现SSA-CNN-SVM麻雀算法优化卷积支持向量机分类预测1.Matlab实现SSA-CNN-SVM麻雀算法优化卷积支持向量机分类预测（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1 年前
分类预测·ssa-cnn-svm·cnn-svm·麻雀算法优化卷积支持向量机
分类预测 | MATLAB实现SSA-CNN-SVM基于麻雀算法优化卷积支持向量机分类预测MATLAB实现SSA-CNN-SVM基于麻雀算法优化卷积支持向量机分类预测，优化参数为：学习率，批量处理大小，正则化参数。图很多，包括分类效果图，迭代优化图，混淆矩阵图。