oXinSuan的博客

尽管matlab提供了朴素bayes的函数，但要理解朴素bayes还是自己编程实现为好。这是以IRIS数据集为例，用朴素bayes方法分类的程序。 文件列表： iris_te.mat iris_tr.mat naivebayes.m

基于决策树的n则交叉验证分类器 based on decision tree cross-validation classifier 文件列表： crossvalidate.m NDT.mat

文件列表： NN_FEX ......\Description_of_NN.pdf ......\Example_Data.mat ......\Example_Script_NN.m ......\m_Files ......\.......\nn.m ......\.......\nn_core.m ......\.......\snn.m ......\.......\snn_core.m

优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，而目前依然是基于经验的办法解决。对此，本文采用粒子群优化算法对模型参数进行寻优，以测试集误差作为判决依据，实现模型参数的优化选择，使得预测精度有所提高。实际算例表明，本文的预测方法收敛性好、有较高的预测精度和较快的训练速度。 文件列表： 数据\a23.xls 数据\a45.xls 数据\B2.xls 数据\b3.xls 数据\B4.xls 数据\B5.xls 数据\bdata1.xls AdaptFunc.m AdaptFunc1.m BaseStepPso.m gaijin.m InitSwarm.m pso.m shorttime.m 基于支持向量机的短期电力负荷预测.doc

使用Matlab编程，对教材74页例3.3.1进行编程仿真。其中，正电压A的值、噪声方差值、每个码元周期内的采样点数N自行设定（可设置为可调的变量）。噪声值可使用Matlab中产生高斯随机数的函数来进行仿真。贝叶斯检测判决式中，先验概率P(H1)=P(H0)，判断错误的代价因子设为1，判断正确的代价因子设为0. 按照上述参数的设定进行仿真，实现对仿真数据的贝叶斯检测判决；循环生成仿真数据，并进行判决结果的统计，即记录判决正确的次数，估计正确判决的概率。