基于改进网格搜索法的SVM参数优化

支持向量机的学习和泛化能力很大程度上取决于其相关参数的选取.针对传统网格算法的不足,引入全局粒子群算法,利用其能够快速到达最优解附近的优势:先使用粒子群算法进行粗搜;再使用网格搜索法进行小步长的精细搜索得到最优解.实验结果表明:基于改进的网格搜索法SVM对比传统网格搜索法SVM,在预测精度和运算时间上都具有优势.

基于BP神经网络的区域森林植被覆盖率预测

森林也被称为地球之肺,人类的所有活动都离不开植物光合作用所产生的氧气,森林覆盖率已成为一个国家或地区的森林面积占有情况的重要指标。为了准确预测森林植被覆盖率,笔者基于BP神经网络算法对浙江省森林覆盖率进行预测。预测结果表明,BP神经网络预测森林覆盖率效果良好,预测模型具有良好的理论基础与应用前景。