最小二乘支持向量机分类器1.支持向量机分类2.最小二乘支持向量机3.LSSVM的Python实现在这篇文章中，我们讨论支持向量机(SVM)分类器的最小二乘版本。由于公式中的相等类型约束。解是由解一组线性方程得出的。而不是经典的支持向量机的二次规划。本文针对两类分类问题，提出了支持向量机的最小二乘模型。对于函数估计问题，支持向量解释边缘回归。在(Saunders et al.， 1998)中，它考虑

线性支持向量回归1.SVM分类器2.支持向量回归于支持向量机的不同之处3. SVM 算法小结1.SVM分类器SVM 擅长解决复杂的中小规模的非线性问题，甚至在特征多余训练样本时也能有非常好的表现。但是随着样本量的增加，SVM模型的计算复杂度会呈m^2或m^3增加。SVM 算法涉及到非常多的概念：间隔、支持向量、核函数、对偶、凸优化等。在两类样本线性可分的情况下，感知机可以保证找到一个解，完全正确的

小波阈值去噪原理及实现1.小波阈值去噪的基本原理2.小波阈值去噪需要考虑的问题3.小波阈值的实现1.小波阈值去噪的基本原理将信号通过小波变换（采用Mallat算法）后，信号产生的小波系数含有信号的重要信息，将信号经小波分解后小波系数较大，噪声的小波系数较小，并且噪声的小波系数要小于信号的小波系数，通过选取一个合适的阀值，大于阀值的小波系数被认为是有信号产生的，应予以保留，小于阀值的则认为是噪声产生

几年之前接触到Git，中间好长时间不用，就忘了，这次有需要用到，特写下此博文记录，以便日后查阅。Git官网下载安装：Git官网1、Git安装之后需要进行一些基本信息设置a、设置用户名：git config – global user.name ‘你再github上注册的用户名’;b、设置用户邮箱：git config – global user.email ‘注册时候的邮箱’;注意：该配置会在gi

经纬度坐标与距离的相互转换1.经纬度与距离角度的换算关系：2 Python代码实现1.经纬度与距离角度的换算关系：a）在纬度相等的情况下：经度每隔0.00001度，距离相差约1米；每隔0.0001度，距离相差约10米；每隔0.001度，距离相差约100米；每隔0.01度，距离相差约1000米；每隔0.1度，距离相差约10000米。b）在经度相等的情况下：纬度每隔0.00001度，距离相差约1.1米

目录：机器学习监督学习无监督学习单变量线性回归代价函数梯度下降批量梯度下降1.机器学习含义机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。目标“让机器自己学习怎么来解决问题”由Tom Mitchell定义的机器学习是，一个好的学习问题或一个程序 认为能从经验E中学习，解决任务T，达到性能度量值

布谷鸟算法一、布谷鸟算法背景知识二、布谷鸟算法思想简介三、布谷鸟算法流程四、布谷鸟算法的Python实现五、布谷鸟算法matlab实现一、布谷鸟算法背景知识2009年，Xin-She Yang 与Suash Deb在《Cuckoo Search via Levy Flights》一文中提出了布谷鸟算法(简称CS)。假设每只布谷鸟一次只产一枚卵 ，并且宿主鸟发现外来鸟蛋后，就舍弃该鸟窝，另寻他地建造

蝙蝠算法（Bat Algorithm,BA ）理解及实现一、蝙蝠算法背景介绍二、蝙蝠算法原理三、蝙蝠模型构建四、蝙蝠算法的Python实现五、总结一、蝙蝠算法背景介绍蝙蝠算法是2010年杨教授基于群体智能提出的启发式搜索算法，是一种搜索全局最优解的有效方法。该算法基于迭代优化，初始化为一组随机解，然后迭代搜寻最优解，且在最优解周围通过随机飞行产生局部新解，加强局部搜索速度。该算法具有实现简单、参数

经纬度坐标与距离的相互转换1.经纬度与距离角度的换算关系：2 Python代码实现1.经纬度与距离角度的换算关系：a）在纬度相等的情况下：经度每隔0.00001度，距离相差约1米；每隔0.0001度，距离相差约10米；每隔0.001度，距离相差约100米；每隔0.01度，距离相差约1000米；每隔0.1度，距离相差约10000米。b）在经度相等的情况下：纬度每隔0.00001度，距离相差约1.1米

灰狼优化算法的理解和应用一、背景介绍二、算法原理三、构建算法数学模型四、Python实现GWO一、背景介绍灰狼优化算法（Grey Wolf Optimizer，GWO）由澳大利亚格里菲斯大学学者 Mirjalili 等人于2014年提出来的一种群智能优化算法。该算法受到了灰狼捕食猎物活动的启发而开发的一种优化搜索方法，它具有较强的收敛性能、参数少、易实现等特点。近年来受到了学者的广泛关注，它己被成