《表2 归一化数据：基于遗传算法优化参数SVM的备件需求预测研究》
提示：宽带有限、当前游客访问压缩模式
通过极差变换法[17]，将表1数据转化为[0，1]区间的值，归一化处理后的数据如表2所示。
| 图表编号 | XD0013055100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.04.25 |
| 作者 | 邱立军、付霖宇、董琪、顾钧元 |
| 绘制单位 | 海军航空工程学院科研部、海军航空工程学院兵器科学与技术系、海军航空工程学院兵器科学与技术系、海军航空工程学院兵器科学与技术系 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 各专业轻量化内容：面向自标定室内定位基于遗传算法优化SVM的视距与非视距信号分类》2021.01.01
- 《表2 归一化后两种算法基于最优参数分类准确率对比》2020.10.01
- 《表5 试验结果数据表：基于两种改进差分进化的可修备件多级库存优化算法研究》2020.07.20
- 《表4 算法参数配置表：基于两种改进差分进化的可修备件多级库存优化算法研究》2020.07.20
- 《表3 可修备件需求率：基于两种改进差分进化的可修备件多级库存优化算法研究》2020.07.20
- 《表2 可修备件参数表：基于两种改进差分进化的可修备件多级库存优化算法研究》2020.07.20
- 《表1 可修备件参数表：基于两种改进差分进化的可修备件多级库存优化算法研究》2020.07.20
- 《表2 训练数据归一化：基于BP神经网络的济南市物流需求预测》2020.03.01
- 《表3 归一化后数据：基于PSO-SVM的安全投入预测模型研究》2020.02.25
- 《表4 需求点备件修复率：基于动态进化算法的多阶段备件供应优化决策》2019.11.01
- 《表1 岩爆工程实例数据：基于组合赋权的遗传算法优化BP神经网络岩爆预测研究》2019.10.25
- 《表2 归一化处理样例：基于BP神经网络的4G话务预测方法研究》2019.06.15
- 《表3 归一化后的数据：基于改进果蝇算法优化的GRNN航空发动机排气温度预测模型》2019.01.01
- 《表1 模型参数估计结果：基于粒子群算法的随钻测量仪备件优化方法研究》2019.04.25
- 《表1 测试数据集：基于改进型花朵授粉算法的SVM参数优化》2018.10.01
- 《表1 训练样本归一化：基于GA-SVM的矿区采空塌陷预测模型》2018.10.20
- 《表3 预测结果对比：基于遗传算法优化参数SVM的备件需求预测研究》2018.04.25
- 《表2 客户的坐标及需求：基于遗传算法的末端配送路径优化研究》2019.11.01
- 《表1 未归一化与归一化后的SVM分类预测准确率》2018.07.28
- 《表1 归一化数据：基于遗传算法优化BP神经网络的接触网磨耗预测》2019.12.30