-
改进遗传算法的支持向量机特征选择解决方案介绍
支持向量机是一种在统计学习理论的基础上发展而来的机器学习方法[1]，通过学习类别之间分界面附近的精确信息,可以自动寻找那些对分类有较好区分能力的支持向量,由此构造出的分类器可以使类与类之间的间隔最大化,因而
-
基于改进遗传算法的支持向量机特征选择
引言 支持向量机是一种在统计学习理论的基础上发展而来的机器学习方法[1]，通过学习类别之间分界面附近的精确信息,可以自动寻找那些对分类有较好区分能力的支持向量,由此构造出的分类器可以使类与类之间的间隔最大
-
改进遗传算法的支持向量机特征选择解决方案
支持向量机是一种在统计学习理论的基础上发展而来的机器学习方法[1]，通过学习类别之间分界面附近的精确信息,可以自动寻找那些对分类有较好区分能力的支持向量,由此构造出的分类器可以使类与类之间的间隔最大化,
-
基于改进遗传算法的支持向量机特征选择
引言 支持向量机是一种在统计学习理论的基础上发展而来的机器学习方法[1]，通过学习类别之间分界面附近的精确信息,可以自动寻找那些对分类有较好区分能力的支持向量,由此构造出的分类器可以使类与类之间的间隔
-
基于改进遗传算法的油田配电网无功优化
遗传算法是一种模拟生物进化过程的优化算法，可用来求解包含离散化变量的复杂优化问题。将遗传算法应用于油田配电网无功优化，并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行改进．提高了计算效率和全局寻优能力。通过对油田配电网的分析和计算，结果表明该改进遗传算法应用于油田无功优化是合理可行的，其优化效果优于传统遗传算法。
