准确的风电功率预测对于电力系统安全稳定运行具有重要意义，滞后性是产生风电功率预测误差的主要原因，尤其是风速变化较快时，滞后性引起的预测误差较大。
考虑到风速波动与风电功率的变化息息相关，提出一种基于风速局部爬坡(LR)误差校正的方法来改善预测风速的滞后性，并将校正后的预测风速及历史功率数据作为输入进行风电功率预测。
提出利用灰狼优化(GWO)算法对最小二乘支持向量机(LSSVM)的参数进行优化，以提高风电功率预测的准确性。
算例结果表明，所提方法能够有效提高风电功率预测精度。
考虑到风速波动与风电功率的变化息息相关，提出一种基于风速局部爬坡(LR)误差校正的方法来改善预测风速的滞后性，并将校正后的预测风速及历史功率数据作为输入进行风电功率预测。
提出利用灰狼优化(GWO)算法对最小二乘支持向量机(LSSVM)的参数进行优化，以提高风电功率预测的准确性。
算例结果表明，所提方法能够有效提高风电功率预测精度。
2025/10/7 16:31:21
1.91MB
1
SVM本身是一个二值分类器，SVM算法最初是为二值分类问题设计的，当处理多类问题时，就需要构造合适的多类分类器。
此安装包可以直接调用。
此安装包可以直接调用。
2025/10/1 0:42:26
848KB
1
代理人替代模型是一种近似方法，它模仿计算上昂贵的模拟的行为。
用更多的数学术语：假设我们正在尝试优化函数f(p)，但是f每次计算都非常昂贵。
可能是我们需要为每个点求解PDE或使用高级数值线性代数机制的情况，这通常很昂贵。
我们的想法是再开发一个替代模型g近似于f通过对从评估收集以前的数据训练f。
代理模型的构建可以看作是一个三步过程：样品选择替代模型的构建代理优化当前所有可用的采样方法：网格制服索博尔拉丁超立方体低差异克罗内克金的随机的当前所有可用的代理模型：克里格使用Stheno进行克里金法径向基础温德兰线性的二阶多项式支持向量机（等待LIBSVM分辨率）神经网络随机森林洛巴切斯基反距离多项式展开保真度可变专家混合（等待GaussianMixtures软件包在v1.5上工作）地球梯度增强克里格当前所有可用的优
用更多的数学术语：假设我们正在尝试优化函数f(p)，但是f每次计算都非常昂贵。
可能是我们需要为每个点求解PDE或使用高级数值线性代数机制的情况，这通常很昂贵。
我们的想法是再开发一个替代模型g近似于f通过对从评估收集以前的数据训练f。
代理模型的构建可以看作是一个三步过程：样品选择替代模型的构建代理优化当前所有可用的采样方法：网格制服索博尔拉丁超立方体低差异克罗内克金的随机的当前所有可用的代理模型：克里格使用Stheno进行克里金法径向基础温德兰线性的二阶多项式支持向量机（等待LIBSVM分辨率）神经网络随机森林洛巴切斯基反距离多项式展开保真度可变专家混合（等待GaussianMixtures软件包在v1.5上工作）地球梯度增强克里格当前所有可用的优
2025/9/29 14:18:35
150KB
1
最小二乘支持向量机matlab源代码，内有详细使用教程，非常易学，使用也很快，结果精度也较高，毕业论文就全靠它
2025/8/26 13:54:14
2.04MB
1
本基于MATLAB图像处理的疲劳驾驶检测提出了一种基于视觉信息和人工智能的驾驶员睡意自动检测模块。
该系统的目的是对驾驶员的面部和眼睛进行定位、跟踪和分析，计算睡意指数，以防止事故的发生。
人脸和眼睛的检测都是通过AdaBoost分类器来实现的。
为了提高人脸跟踪的精度，提出了一种检测与目标跟踪相结合的方法。
提出的人脸跟踪方法，还具有自校正能力。
在找到眼睛区域后，利用局部二值模式（LBP）提取眼睛特征。
利用这些特征，训练一个支持向量机分类器（SVM）进行眼睛状态分析。
该系统的目的是对驾驶员的面部和眼睛进行定位、跟踪和分析，计算睡意指数，以防止事故的发生。
人脸和眼睛的检测都是通过AdaBoost分类器来实现的。
为了提高人脸跟踪的精度，提出了一种检测与目标跟踪相结合的方法。
提出的人脸跟踪方法，还具有自校正能力。
在找到眼睛区域后，利用局部二值模式（LBP）提取眼睛特征。
利用这些特征，训练一个支持向量机分类器（SVM）进行眼睛状态分析。
2025/8/22 21:24:45
741KB
1
包含基于特征降维的语音情感识别、基于支持向量机的语音情感识别、基于神经网络的语音情感识别、基于K近邻分类算法的语音情感识别程序
2025/8/8 16:40:15
15.59MB
1
支持向量机是一种基于统计学习理论的VC维理论和结构风险最小原理基础上的机器学习系统，主要用来处理二元样本的分类问题，根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，来获得最好的推广能力，要求分类线不但能将两类无错误地分开，而且要使两类的分类间隔最大，前者是保证经验风险最小（如使训练误差为0），而使分类间隔最大实际上就是使置信范围最小，
2025/7/11 15:23:16
465KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB