将支持向量机(SVM)和遗传算法(GA)集成应用到矿体品位插值问题中,利用遗传算法全局搜索的优势对支持向量机的三个关键参数——惩罚系数C、不敏感系数ε和核函数参数σ进行寻优,克服单纯支持向量机法中依靠经验确定参数的局限性.将优化参数代入到支持向量机中进行迭代训练,得到基于遗传算法参数优化的支持向量机(GA-SVM)矿体品位插值模型.以国内典型矿山的实际勘探数据为例,通过该品位插值模型计算结果与传统插值方法计算结果和矿山生产实际数据的对比分析,验证了其可行性和有效性

针对常用的质量建模方法精度不高且难以给出预测区间,提出了基于小波相关向量机的产品质量模型.应用仿真数据和带钢热镀锌锌层质量的实际生产数据分别建立了小波相关向量机模型.结果表明,小波相关向量机方法与支持向量机及传统的相关向量机相比,具有更好的预测精度,而且给出了预测区间.多组带钢热镀锌锌层质量实际数据的相对预测误差的平均值为4.52%,为保证产品质量提供必要的决策支持和分析手段

7.1向量及其运算 一、向量概念 二、向量的线性运算 三、空间直角坐标系 四、利用坐标作向量的线性运算 五、向量的模、方向解、投影

向量代数 一、向量的概念 向量:既有大小又有方向的量 向量表示:a或M1M2

10.1向量处理机的基本概念 10.2向量处理机的结构 10.3向量处理机实例 10.4向量协处理机 10.5向量处理机的性能分析

第三章向量空间 第一节向量的桃念及其线性近算 第二节空间的直角坐标案及向量的坐标 第三节量空间 第四节向量的线性相芙 第五节向量空间的基与坐标 第六节线窆间基本概念介绍

上一节我们定义了向量组的秩,如果把矩阵的每一行看成 一个向量,那么矩阵就是由这些行向量组成的。同样,如果把 矩阵的每一列看成一个向量,则矩阵也可以看作是由这些列向 量组成的。 定义3.4.1所谓矩阵的行秩是指矩阵的行向量所组成的 向量组的秩,矩阵的列秩是由矩阵列向量所称向量组的秩

7.1 矩阵运算的规则 7.2 初等变换乘子矩阵的生成 7.3 行列式的定义和计算 7.4 矩阵的秩和矩阵求逆 7.5 用矩阵‘除法’解线性方程 7.6.1 网络的矩阵分割和连接 7.6.2 用逆阵进行保密编译码 7.6.3 减肥配方的实现 7.6.4 弹性梁的柔度矩阵 7.6.5 网络和图 8.1 向量和向量空间 8.2 向量空间和基向量 8.3 向量的内积和正交性 8.4 齐次方程Ax=0的解空间 8.5 解超定方程的思路 8.6.1 价格平衡模型 8.6.2 宏观经济模型 8.6.3 信号流图模型 8.6.4 数字滤波器系统函数

第二章向量空间与矩阵 第一节m维向量空间 2.1.1向量和m维向量空间的定义及性质

第四节数量积向量积混合积 1.向量的数量积 2.向量的向量积 3.内向量的混合积