支持向量机标签_AI Agent技术社区

支持向量机

Python|【Pytorch】基于小波时频图与SwinTransformer的轴承故障诊断研究

这是一个基于 Pytorch 实现的轴承故障诊断方法，它通过采集轴承振动信号，并将信号经过小波变换得到时频图，然后使用 SwinTransformer 对时频图进行处理以实现故障诊断。SwinTransformer 是一个轻量级的 Transformer 模型，目前在计算机视觉领域得到了广泛的应用。它采用了防止显存泄漏的窗口交换机制，兼顾了局部信息和全局信息，具有较好的性能和较低的计算消耗。

稷下科研社
2026-03-12 06:44:05

 157

 7

#python #pytorch #开发语言 +1
Python 肥胖数据集挖掘实战（96% 准确率）

本文基于UCI机器学习库的ObesityDataSet数据集（2111条记录，17个字段），使用Python进行肥胖数据分析与挖掘。数据集包含性别、年龄、BMI等特征，目标变量将人群划分为7个肥胖等级。研究涵盖数据预处理、探索性分析、分类建模（随机森林准确率96%）、聚类分析和回归预测全流程，共生成19张可视化图表。项目完整实现了从数据清洗到模型部署的完整数据科学流程，为肥胖风险预测提供了有效的解

 xintgong
2026-07-25 15:44:09

 464

 15

#python #随机森林 #支持向量机 +4
基于粒子群优化算法的计及需求响应的风光储能微电网日前经济调度（Python代码实现）

一个含有风机、光伏、蓄电池以及负荷的微电网系统见示意图3.1。风机的装机容量360kW，单位运维成本0.52元/kWh。光伏的装机容量 260kW，单位运维成本0.75元/kWh。蓄电池额定容量为700kWh，电池 SOC 运行范围为[0.4,0.9]，初始 SOC 值为 0.4，由充电至放电成本为 0.1 元/kWh，1个小时充放电功率最大为储能的20%。微网与主网允许交换功率不超过 200k

wytm123
2026-07-15 05:17:20

 28

#算法 #python #网络 +1
【Pytorch】基于LSTM-KAN、BiLSTM-KAN、GRU-KAN、TCN-KAN、Transformer-KAN(各种KAN修改一行代码搞定)的共享单车租赁预测研究(数据可换)Python

TCN是一种专门用于处理时间序列数据的卷积神经网络。它通过一维卷积和因果卷积（causal convolution）来确保模型输出的每个时间步只依赖于过去的信息，从而避免了未来信息的泄露。TCN还具有残差连接（residual connections）和扩张卷积（dilated convolutions）等特性，能够捕获长期依赖关系并减少训练过程中的梯度消失问题。KAN是一种注意力机制，旨在从输入

 woshilaiwade
2026-07-04 06:17:19

 34

#python #pytorch #lstm +1
蒙特卡洛风光场景并通过削减法聚类法得到几个典型场景（包含Matlab代码和Python代码实现）

蒙特卡洛方法是一种基于随机抽样的数值计算方法，通过多次随机抽样来估计系统的行为，从而得到系统的统计性质。在风光模型中，蒙特卡洛方法可以用来模拟风速、风向和太阳光照的变化，进而评估风力和太阳能系统在不同条件下的性能。

然哥依旧
2026-04-28 02:11:01

 257

 12

#聚类 #matlab #python +1
2025年最好创新的CNN-LSTM-KAN网络模型python代码

随着深度学习在时空序列预测领域的广泛应用，传统模型（如CNN、LSTM）在处理复杂非线性关系时面临表达力不足和解释性较差的挑战。本文提出一种融合卷积神经网络（CNN）、长短期记忆网络（LSTM）与Kolmogorov-Arnold Networks（KAN）的创新模型（CNN-LSTM-KAN），通过将KAN网络的可学习激活函数引入传统混合架构，显著提升了模型对多元气象数据的特征提取与时间依赖建模

 抬头望远方
2026-02-21 05:13:12

 944

 13

#cnn #lstm #python +1
物理信息神经网络PINNs在布洛赫-托雷(Bloch-Torrey)方程上的应用求解【torch案例】（Python代码实现）

布洛赫 - 托雷方程是描述磁共振成像中自旋磁化强度时空演化、分子扩散弛豫行为的核心偏微分方程组，传统有限差分、有限元等数值求解方法存在网格剖分成本高、多参数反演迭代耗时、小样本临床数据适配性差等固有缺陷。物理信息神经网络（PINNs）将布洛赫 - 托雷方程对应的物理约束嵌入深度学习损失函数，无需密集离散网格，仅依靠少量观测信号数据即可同时完成方程正问题求解与组织弛豫、扩散系数等生理参数反演。

yyds_2201
2026-07-01 06:54:13

 101

 2

#神经网络 #python #人工智能 +1
KAN、CNN-KAN、CNN-LSTM-KAN、LSTM-KAN、TCN-KAN、LSTM-KAN、Transformer-KAN比较研究（Python代码实现）

本文针对时间序列预测任务，系统比较了。

荧光Matlab
2026-02-21 05:43:16

 784

 15

#cnn #lstm #transformer +1
基于 TCN-Transformer-BiLSTM 与噪声抑制半监督学习的锂离子电池 SOH 估计（Python代码实现）

锂离子电池健康状态（State of Health, SOH）精准估计是电池管理系统安全运维、剩余寿命预测的核心支撑。现有深度学习 SOH 估计方法高度依赖大量带容量标签的老化数据，完整容量标定实验成本高、周期长，工程场景下海量无标签充放电时序数据难以充分利用；同时电池老化时序兼具局部波动噪声与长周期非线性退化特征，单一网络难以同步捕捉多尺度时序关联与全局退化规律。

2501_93142541
2026-07-14 06:09:57

 50

#transformer #学习 #python +1
【北大核心复现】基于改进鲸鱼优化算法的无人机三维航迹规划研究（Python代码实现）

无人机三维航迹规划是指在三维空间环境中，根据无人机的飞行任务需求，结合环境中的障碍物分布、地形起伏、气象条件等约束因素，寻找一条从起点（初始位置）到终点（目标位置）的最优路径。与二维航迹规划相比，三维航迹规划需要考虑高度维度的约束，更贴合无人机实际飞行场景，其核心要求是在满足飞行安全的前提下，实现航迹的最优性，即路径最短、能耗最低、飞行时间最短等。

荔枝科研社
2026-04-13 00:22:40

 586

 16

#算法 #无人机 #python +1
Python多尺度加权GOPAE-SVM-RF-GBT融合模型的高速列车轴承振动数据故障诊断与迁移学习可解释性分析|附代码数据

这不仅是工程技术问题，更是一个典型的数据科学挑战——我们拥有海量的实验室台架数据（源域），却极度缺乏真实运行中的故障数据（目标域）。我们基于故障机理，从161个源域文件中筛选出12个代表性文件，涵盖正常(N)、外圈故障(OR)、内圈故障(IR)、滚动体故障(B)四种状态，优先选择驱动端(DE)数据，并重采样至32kHz统一频率。这些特征在四类状态间表现出显著差异。GOPAE的核心思想是将信号转换为

 拓端研究室TRL
2026-03-20 14:19:00

 396

 9

#python #支持向量机 #迁移学习 +2
考虑多维需求响应和PEM电解槽多状态的综合能源低碳鲁棒优化调度方法研究（Python代码实现）

本文提出一种考虑多维需求响应和PEM电解槽多状态的综合能源低碳鲁棒优化调度方法。将PEM电解槽建模为五种运行状态，引入多维需求响应机制，构建包含电、氢、热多能流的综合能源系统鲁棒优化调度模型。通过鲁棒优化框架处理光伏出力和负荷预测的不确定性，并将碳交易成本纳入优化目标，实现系统运行成本最小化与低碳调度的协同优化。实验结果表明，该方法在保证系统安全运行的同时，可有效降低运行成本，减少碳排放量，显著提

 数学建模与科研
2026-02-21 01:18:46

 431

 10

#能源 #python #前端 +1
快速搭建你的数据智能分析 Agent

Agent 侧 k-LLMmeans n_clusters=15~20 LLM 仅对质心调用与样本量无关。聚类结果写回 ClickHouse cluster_id + cluster_summary。向量表 work_order_embeddings embedding + HNSW索引。向量写入 ClickHouse work_order_embeddings 表支持增量。宽表 wide_w

EFCY1MJ90
2026-03-30 14:47:16

 220

 6

#机器学习 #支持向量机 #人工智能
【复现】基于概率TCN-Transformer的短期光伏功率预测模型（Python代码实现）

光伏出力受太阳辐照度、环境温度、风速等多元气象因素耦合作用，具备强随机性、波动性与间歇性特征，确定性点预测难以量化出力波动带来的调度风险。针对单一时序模型特征提取能力不足、长短期时序依赖捕捉失衡、预测结果缺乏不确定性量化的问题，本文构建融合时序卷积网络与时序变换编码器的混合神经网络区间概率预测模型，实现短期光伏功率多分位数概率区间预测。依托西北甘肃光伏实测数据集完成模型训练与验证，通过区间覆盖率、

Ps.729
2026-07-09 01:48:00

 332

 4

#transformer #python #深度学习 +1
【MPC滚动优化】微电网多时间尺度优化研究（Python代码实现）

高比例风光分布式电源接入微电网后，新能源出力、用电负荷的随机波动与预测偏差会造成调度方案执行失准、系统功率失衡、运行经济性下降等问题。传统单时间尺度静态调度无法兼顾中长期全局经济性与短时实时功率平抑需求，难以适配多类型分布式电源协同调控的工程场景。本文以模型预测控制滚动优化理论为核心，构建三层多时间尺度协同调度架构，融合日前全局规划、日内分层滚动校正机制，统一统筹光伏、风电、储能、燃气轮机、燃料电

 数学建模与科研
2026-07-06 01:17:04

 193

 7

#python #开发语言 #支持向量机
26年电工杯AB题|超级棒电力系统|Python、Matlab代码、论文

💥💥💞💞❤️❤️💥💥博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️行百里者，半于九十。🎁完整资源、论文复现、期刊合作、论文辅导及科研仿真定制事宜点击：👉👉👉。

?? G.E.M.
2026-05-18 08:36:47

 301

 5

#python #matlab #支持向量机
电力系统短期负荷预测（Python代码+数据+详细文章讲解）

模型构建：训练出模型，然后就可以预测任意一天的96个时刻点的负荷。

吃兔子的大脑腐
2026-04-23 04:30:46

 156

 3

#python #开发语言 #支持向量机
基于多元宇宙优化算法的储能充放电策略优化研究（Python代码实现）

随着新能源大规模并网与能源结构转型加速，储能系统作为平抑新能源出力波动、提升电网运行稳定性、实现源网荷储协同的核心支撑，其充放电策略的合理性直接决定系统能量利用率、运行经济性与设备使用寿命。传统储能充放电策略多依赖固定阈值控制或简单优化算法，难以适配电网负荷随机波动、新能源出力间歇性以及储能设备非线性特性等复杂场景，存在能量浪费、经济收益偏低、电池损耗过快等问题。

T
2026-03-16 02:31:29

 48

#算法 #python #大数据 +1
2026年亚太杯ABC题免费分享（思路、代码、数学建模、论文）

💥💥💞💞❤️❤️💥💥博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。🎁完整资源、论文复现、期刊合作、论文辅导及科研仿真定制事宜点击：👉👉👉⛳️行百里者，半于九十。

T
2026-06-13 02:51:18

 221

 5

#支持向量机
深度学习篇---PCA降维

PCA核心原理与应用摘要 PCA通过最大化投影方差（或最小化重构误差）寻找数据的最优低维表示，本质是对协方差矩阵的特征分解。其核心步骤包括数据标准化、协方差矩阵计算、特征值排序及降维映射。关键特性包括正交性、无参数和能量保持，但存在线性假设、对异常值敏感等局限。变体与改进：核PCA处理非线性数据，稀疏PCA增强可解释性，鲁棒PCA抗异常值干扰。对比t-SNE、UMAP等方法，PCA以线性全局结构

 Ronin-Lotus
2026-04-20 21:26:56

 507

 7

#支持向量机 #算法 #机器学习
物理信息神经网络PINNs求解铁木辛柯梁（Timoshenko）方程【 torch 实战】研究（Python代码实现）

铁木辛柯梁理论充分计入横向剪切变形与截面转动效应，适用于短粗梁、复合材料梁、动力冲击与高频振动等工程场景，其控制方程组为空间、时间耦合的高阶偏微分方程组，传统有限元、有限差分等网格类数值方法存在网格剖分复杂、剪切闭锁、逆问题数据依赖度高、全域连续场重构成本大等固有缺陷。物理信息神经网络（PINNs）以自动微分技术为核心，将结构力学控制方程、边界约束、初始条件转化为可优化损失项，实现无网格全域连续解

 2501_92823441
2026-07-01 04:42:55

 251

 8

#神经网络 #python #人工智能 +1
hjhjhgygyg

vggggggggg。

g9855
2026-05-03 13:19:03

 342

 13

#支持向量机 #深度优先 #决策树
高速列车悬挂系统机器学习早期故障诊断方法【附程序】

在测试数据中，该方法对减振器10%阻尼衰减的早期故障检测率达到86.3%，较传统平方预测误差SPE统计量提升11.6个百分点，误报率从3.8%降至1.7%，且能检测出故障发生时间比振动RMS超标提前约12秒。在检测到故障后，利用PRPCA提取的特征作为SVM分类器的输入。在测试集上，PRPCA-SVM平均识别准确率达到96.7%，其中空气弹簧故障的F1-Measure为0.958，减振器故障为0.

胡群博士
2026-05-10 21:59:37

 623

 18

#机器学习 #支持向量机 #人工智能
机器学习：7.支持向量机(SVM)上

支持向量机(SVM)是一种强大的监督学习算法，主要用于分类问题。其核心思想是寻找最优超平面，最大化不同类别数据点之间的间隔（特别是支持向量到超平面的距离）。SVM通过升维操作将非线性可分问题转化为高维空间中的线性可分问题，使用核函数处理非线性情况。关键概念包括函数间隔和几何间隔，前者衡量分类结果的置信度，后者表示样本点到超平面的实际距离。SVM的优化目标是最小化权重向量的范数，同时满足所有样本点的

 小糖学代码
2026-06-11 21:04:43

 393

 5

#支持向量机 #机器学习 #算法
机器学习：7.支持向量机(SVM)下

本文详细推导了软间隔支持向量机（SVM）的求解过程与关键理论。首先通过构建拉格朗日函数，对原始变量求导得到KKT条件，该条件包含梯度为零、互补松弛、不等式约束、乘子非负和等式约束五个核心部分。重点分析了拉格朗日乘子α_i的物理意义，揭示了不同取值对应样本在决策空间中的位置特性（如支持向量、间隔侵入样本等）。最后介绍了SMO算法的核心思想——通过启发式选择违反KKT条件最严重的变量对进行迭代优化，逐

 小糖学代码
2026-06-11 21:06:06

 405

 4

#支持向量机 #机器学习 #人工智能
作业 .....13/.....一单

长按下发小程序识别开始工作。

myd815512
2026-06-16 21:34:14

 931

 15

#支持向量机 #启发式算法 #散列表
基于BP神经网络的语音特征信号分类研究（Matlab代码实现）

语音信号分类是语音信号处理领域的核心研究方向，广泛应用于语音识别、声纹认证、语音情感分析、智能人机交互等诸多领域。由于语音信号具有非线性、时变性、随机性的复杂特征，传统分类方法难以精准挖掘语音特征与信号类别之间的关联关系，存在分类精度低、抗干扰能力弱、泛化性差等问题。BP神经网络凭借其强大的非线性映射、自适应学习和容错能力，能够有效适配复杂语音特征数据的分类任务。

2501_92823441
2026-07-21 05:00:33

 207

 8

#神经网络 #分类 #matlab +1
【语音识别】基于K近邻分类算法的语音情感识别（Matlab代码实现）

语音情感识别（Speech Emotion Recognition, SER）作为人机交互的关键技术，通过分析语音信号的声学特征实现情感状态分类。K近邻（K-Nearest Neighbors, KNN）算法因其原理简单、非参数化特性，在语音情感识别中展现出独特优势。本文系统梳理了KNN算法在语音情感识别中的应用原理、特征提取方法、性能优化策略及挑战，结合Emo-DB、RAVDESS等公开数据集的

 2501_93142541
2025-08-26 06:44:22

 791

 19

#语音识别 #分类 #matlab +1
用 Python+Qt 打造“波场哈希分分彩”：实时多模型预测结果

用 Python+Qt 打造“波场哈希分分彩”：实时多模型预测结果

 m0_72636583
2025-08-27 15:20:07

 2416

 6

#python #开发语言 #大数据 +4
从“能看”到“看懂”：多模态大模型如何突破视觉理解的瓶颈

多模态大模型（MLLM）正在突破AI视觉理解的瓶颈，实现从"识别"到"理解"的跨越。本文介绍了MLLM的工作原理，包括视觉编码、跨模态对齐和统一解码三个关键步骤，并展示了其在电商图文质检等场景的应用案例。虽然面临图像分辨率、幻觉问题等技术挑战，但MLLM正向着更高分辨率、更强中文语义理解等方向发展。开源项目如InternVL、Qwen-VL等为开发者提供了快

 Blossom.116
2025-10-07 09:56:28

 2267

 59

#人工智能 #深度学习 #机器学习 +4
消息CSDN首页发布文章【Koopman 算子】深度学习用于非线性动力学的通用线性嵌入研究（Python、Matlab代码实现）52 / 100Koopman算子与深度学习的结合为非线

Koopman算子与深度学习的结合为非线性动力学提供了“线性化-预测-控制”的全新范式。通过深度神经网络自动学习高维嵌入空间，不仅突破了传统线性方法的局限性，还在机器人、能源、生物等多个领域展现出广泛应用潜力。然而，如何在复杂系统中平衡模型表达能力、计算效率与可解释性，仍是未来研究的核心挑战。📚2 运行结果w = 105wo = 300🎉3参考文献。

Ps.729
2025-09-26 08:35:47

 1128

 19

#深度学习 #python #matlab +1
[Java]深入解析Java17中的密封类如何精确控制继承层次结构

在Java中，使用sealedpermits和non-sealed关键字来定义密封类及其继承关系。一个密封类的声明需要明确指定哪些类可以作为其子类，这些子类必须位于同一模块中（如果未定义模块，则需在同一包中）。基本语法结构如下所示：public sealed class Shape permits Circle, Square, Rectangle {// 类体}在此示例中，Shape类被声明为密

 laiyu_ryan
2025-10-06 06:38:46

 364

 4

#支持向量机
【Koopman 算子】深度学习用于非线性动力学的通用线性嵌入研究（Python、Matlab代码实现）

Koopman算子与深度学习的结合为非线性动力学提供了“线性化-预测-控制”的全新范式。通过深度神经网络自动学习高维嵌入空间，不仅突破了传统线性方法的局限性，还在机器人、能源、生物等多个领域展现出广泛应用潜力。然而，如何在复杂系统中平衡模型表达能力、计算效率与可解释性，仍是未来研究的核心挑战。📚2 运行结果w = 105wo = 300🎉3参考文献。

老杰爱编程
2025-10-14 07:18:12

 581

 24

#深度学习 #python #matlab +1
AI大语言模型支持下的：水文气象时序分析-从ARMA到Mamba的全栈技术应用

AI大语言模型支持下的：水文气象时序分析-从ARMA到Mamba的全栈技术应用

 宝藏口袋
2025-10-28 18:08:26

 493

 5

#自然语言处理 #transformer #机器学习 +4
【Java】边缘计算环境下物联网实时数据处理的轻量化框架设计与实践

边缘计算通过将数据处理逻辑下沉至设备侧或近设备的边缘节点，有效提升了实时性，但如何在资源受限（如内存<512MB、CPU<1GHz）的边缘设备上实现高效处理仍是核心难题。| 内存管理优化| 使用Off-heap存储（Java Unsafe API）、对象复用池| 内存峰值降低37%|| 框架| P99延迟（ms） | 内存峰值（MB） | 吞吐量（K/s） |

QciTVNIu
2025-11-03 11:25:43

 956

 20

#支持向量机
Rustup：Rust 工具链管理的艺术与实践

摘要： Rustup是Rust官方的工具链管理器，采用三层发布模型（stable/beta/nightly）实现版本管理。核心功能包括：项目级工具链切换（通过override机制）、细粒度组件安装（如rust-src/clippy等）、跨平台编译目标管理、以及镜像代理配置。最佳实践建议生产环境使用stable版本并锁定具体工具链，在CI/CD中通过环境变量配置镜像源，团队开发时统一工具链配置。Ru

lxy20070920
2025-10-30 22:18:54

 774

 19

#postman #支持向量机