-
改進遺傳算法的支持向量機特征選擇解決方案介紹
支持向量機是一種在統(tǒng)計學習理論的基礎上發(fā)展而來的機器學習方法[1]，通過學習類別之間分界面附近的精確信息,可以自動尋找那些對分類有較好區(qū)分能力的支持向量,由此構造出的分類器可以使類與類之間的間隔最大化,因而
-
基于改進遺傳算法的支持向量機特征選擇
引言 支持向量機是一種在統(tǒng)計學習理論的基礎上發(fā)展而來的機器學習方法[1]，通過學習類別之間分界面附近的精確信息,可以自動尋找那些對分類有較好區(qū)分能力的支持向量,由此構造出的分類器可以使類與類之間的間隔最大
-
改進遺傳算法的支持向量機特征選擇解決方案
支持向量機是一種在統(tǒng)計學習理論的基礎上發(fā)展而來的機器學習方法[1]，通過學習類別之間分界面附近的精確信息,可以自動尋找那些對分類有較好區(qū)分能力的支持向量,由此構造出的分類器可以使類與類之間的間隔最大化,
-
基于改進遺傳算法的支持向量機特征選擇
引言 支持向量機是一種在統(tǒng)計學習理論的基礎上發(fā)展而來的機器學習方法[1]，通過學習類別之間分界面附近的精確信息,可以自動尋找那些對分類有較好區(qū)分能力的支持向量,由此構造出的分類器可以使類與類之間的間隔
-
基于改進遺傳算法的油田配電網(wǎng)無功優(yōu)化
遺傳算法是一種模擬生物進化過程的優(yōu)化算法，可用來求解包含離散化變量的復雜優(yōu)化問題。將遺傳算法應用于油田配電網(wǎng)無功優(yōu)化，并對常規(guī)遺傳算法的編碼方式、遺傳算子以及終止判據(jù)等方面進行改進．提高了計算效率和全局尋優(yōu)能力。通過對油田配電網(wǎng)的分析和計算，結果表明該改進遺傳算法應用于油田無功優(yōu)化是合理可行的，其優(yōu)化效果優(yōu)于傳統(tǒng)遺傳算法。
