机译:基于混合方法的支持向量机结合特征选择
Moroccan School of Computer Science (ENSIAS), Mohammed V University, Rabat, Morocco;
Moroccan School of Computer Science (ENSIAS), Mohammed V University, Rabat, Morocco;
Moroccan School of Computer Science (ENSIAS), Mohammed V University, Rabat, Morocco;
machine learning; electric load forecasting; ELF; feature selection; big data; support vector machine; SVM; particle swarm optimisation; PSO;
机译:基于支持向量机的混合负荷预测模型,具有特征选择和参数优化的智能方法
机译:基于特征选择和最小二乘支持向量机的短期电力负荷预测
机译:基于改进小波变换,信息特征选择和混合支持向量机的风电预测模型
机译:电力负荷预测的支持向量回归特征选择与参数优化
机译:通过支持向量机的变速驱动轴承故障检测,结合了使用遗传算法进行的特征选择。
机译:混合Holt-Winters和支持向量机模型的大葱种子需求预测
机译:基于抹香鲸算法和DWT-IR小波最小二乘支持向量机的特征选择短期电力负荷预测