MATLAB实现GWO-SVM灰狼算法优化支持向量机多特征分类预测(完整源码和数据) 数据为多特征分类数据,输入15个特征,分四类,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。
MATLAB实现PSO-SVM粒子群算法优化支持向量机多特征分类预测(完整源码和数据) 数据为多特征分类数据,输入15个特征,分四类,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。
MATLAB实现TCN时间卷积神经网络多特征分类预测(完整源码和数据) 数据为多特征分类数据,输入12个特征,分四类,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。 运行环境MATLAB2021b及以上。
MATLAB实现PSO-BP粒子群优化BP神经网络多特征分类预测(完整源码和数据) 数据为多特征分类数据,输入12个特征,分四类。 运行环境MATLAB2018b及以上,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。
Matlab实现SSA-XGBOOST麻雀算法优化XGBOOST的多特征分类预测(完整源码和数据) 数据为多特征分类预测,输入12个特征,输出四个类别。 运行环境MATLAB2018b及以上,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。
提出了一种视频烟雾检测方法,利用烟雾颜色、运动方向以及纹理等特征区分烟雾,并在检测烟雾的同时找到火源位置。引入暗原色先验方法提取出与烟雾颜色相似的区域作为烟雾候选区;通过分析图像局部纹理特征估计图像块的运动方向,排除运动方向向下的非烟雾区域,从而缩小烟雾候选区;将烟雾候选区的一系列特征作为支持向量机的输入,分类为烟雾和非烟雾;根据被检测出的烟雾在视频帧中的具体位置以及对应位置出现烟雾的频数估计火源在视频帧中的位置。与相关算法的实验结果进行了比较,证明了该算法的有效性。
2022-11-04 14:35:34 666KB 论文研究
1
MATLAB实现CNN-LSTM卷积长短期记忆神经网络多特征分类预测(完整源码和数据) 数据为多特征分类数据,输入15个特征,分四类,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。 运行环境MATLAB2020b及以上。
MATLAB实现CNN-BiLSTM卷积双向长短期记忆神经网络多特征分类预测(完整源码和数据) 数据为多特征分类数据,输入15个特征,分四类,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。 运行环境MATLAB2020b及以上。
MATLAB实现BiLSTM双向长短期记忆神经网络多特征分类预测(完整源码和数据) 数据为多特征分类数据,输入15个特征,分四类,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。
MATLAB实现DNN全连接神经网络多特征分类预测(完整源码和数据) 数据为多特征分类数据,输入15个特征,分四类。 运行环境MATLAB2018b及以上,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。