排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
相空间重构和支持向量机参数联合优化研究 总被引:2,自引:0,他引:2
在混沌时间序列预测过程中,相空间重构和支持向量机参数是影响混沌时间序列预测性能的两个重要方面,传统上两者是分开单独进行的.利用相空间重构和支持向量机参数之间的互相依赖关系,提出了一种基于粒子群算法的相空间重构和支持向量机参数联合优化方法.参数联合优化核心思想是在相空间重构的同时选择最优支持向量机参数,通过粒子群算法对参数联合优化来实现.通过采用参数联合优化算法对混沌时间序列Mackey-Glass和太阳黑子年平均数时间序列进行了仿真实验,结果表明,相对于传统的分开单独优化方法,参数联合优化方法提高了混沌时间序列模型的预测精度,泛化能力更好. 相似文献
2.
3.
应用品管圈提升住院患者就医体验的效果。医院科室自行建立品管圈小组,小组成员集思广益展开头脑风暴,利用PDCA循环管理模式,确定以“提升住院患者办理入院手续满意度”为品管圈活动主题,通过提升科室住院患者办理入院就诊手续的满意度从而全面提升患者住院就医体验,随机选取从2019年2月—2019年3月共计120例患者,通过科室品管圈质量控制方法进行现状整体把握、目标设定、原因综合分析、对策方案拟定并分步实施,再次随机抽样选取2019年5月—2019年6月共计120例患者进行效果量化评价,并按PDCA循环诊疗特点进行检讨总结与针对性改进,观察品管圈活动前后住院患者办理入院手续满意度。品管圈活动结束后,住院患者办理入院手续满意度由活动前的63.3%,提升到品管圈活动后的98.33%。应用品管圈可以明显提高住院患者办理入院手续方面的就诊满意度,提升患者住院就医护理体验,满足患者护理需求,提高医院护理质量。 相似文献
4.
基于支持向量机的混沌时间序列预测 总被引:1,自引:0,他引:1
支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,是一种具有很好泛化性能的回归方法.针对混沌时间序列特点,提出混沌时间序列预测的支持向量机建模的思路、特点及关键参数的选取.对模型进行了实例研究,结果表明该模型能较好地处理混沌时间序列,具有较高的泛化能力和很好的预测精度. 相似文献
5.
为了提高混沌时间序列预测精度,利用相空间重构和预测模型参数间的相互联系,提出一种基于遗传算法的混沌时间序列参数联合优化方法.该方法首先将相空间重构和预测模型参数作为遗传算法的个体,混沌时间序列预测精度作为适应度函数,通过选择、交叉和变异等遗传操作获得最优参数,最后利用混沌时间序列实例对联合优化方法进行验证性测试.实验结果表明:相对于传统参数优化方法,联合优化方法大幅度提高混沌时间序列的预测精度,为混沌时间序列预测提供一种新的思路. 相似文献
1