...
机译:使用蜻蜓乌鸦优化和支持向量回归模型在Cloud中进行能源感知的VM迁移
Department of Computer Engineering Pune Institute of Computer Technology (PICT) SPPU, Pune 411043, Maharashtra, India;
Department of Computer Engineering Pune Institute of Computer Technology (PICT) SPPU, Pune 411043, Maharashtra, India;
Virtual machine migration; load balancing; load prediction; optimal VM placement; energy awareness;
机译:基于Adaptive Dragonfly算法优化的支持向量回归模型的孔隙率预测与应用
机译:结合蜻蜓优化算法和支持向量回归的混合方法进行电力系统电压稳定性评估
机译:一种用于短期风速预测和分析的强大组合方法-使用GPR(ARIMA(自回归综合移动平均值),ELM(极限学习机),SVM(支持向量机)和LSSVM(最小二乘SVM)预测进行组合高斯过程回归模型
机译:基于云粒子群优化的双支持向量回归参数选择
机译:虚拟化云的能源优化技术:增强的电源建模和能源敏感的VM放置。
机译:粒子群优化的混合支持向量回归与自回归综合移动平均模型的经济指标预测财产犯罪率
机译:表6:使用Tregellas等人的模型(我们-SVM)的表演比较。(2018)基于线性回归(T-LR)的两个最佳模型,并支持向量机(T-SVM)。