SMO
机器学习-线性分类-支持向量机SVM-SMO算法代码实现-15
1. alpha2 的修剪 if y1 != y2 : α1 - α2 = k # 不用算k的具体大小 if k > 0: # 上图的左 下这条线 α2 的区间 (0, c-k) k < 0 : # 上图的左 下这条线 α2 的区间 （-k, C） 所以： L = max(0, -k) # k>0 ......
机器学习-线性分类-支持向量机SVM-SMO算法-14
目录1. SVM算法总结2. SMO算法 1. SVM算法总结 选择 核函数 以及对应的 超参数 为什么要选择核函数？ 升维 将线性问题不可分问题 升维后转化成 线性可分的问题 核函数 有那些？ linea gauss polinormail tanh 选择惩罚项系数C min ||w||2 + C ......
一个同步机无传感滑膜观测器模型加代码，该模型基于28035芯片，采用了典型的smo+pll方案。这段代码是实际应
一个同步机无传感滑膜观测器模型加代码，该模型基于28035芯片，采用了典型的smo+pll方案。这段代码是实际应用代码，而不是一般的玩票代码，因此具有较高的可比性（不同于ti例程）。需要注意的是，少数文件中的中文注释可能存在乱码问题。至于m文件，它并没有太多用处，直接运行simulink模型即可。知 ......
[ML从入门到入门] 支持向量机：SMO算法的收敛性分析
引言 上一篇文章我们介绍了 SMO 算法，作为其姊妹篇，本文将对 SMO 算法的收敛性进行扼要地分析，同时，希望能为读者提供新的角度去理解 SMO 算法的原理。 证明思路来自于《Convergence of a Generalized SMO Algorithm for SVM Classifier ......
基于smo算法的数据分类matlab仿真,对比线性分类和非线性分类
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 SVM通常用对偶问题来求解，这样的好处有两个：1、变量只有N个（N为训练集中的样本个数），原始问题中的变量数量与样本点的特征个数相同，当样本特征非常多时，求解难度较大。2、可以方便地引入核函数，求解非线性SVM。求解对 ......
基于SMO滑模观测器的异步电机无传感器矢量控制
基于SMO滑模观测器的异步电机无传感器矢量控制，matlab，仿真模型。YID:2960668514807760 ......
Carsim和simulink联合仿真轮胎力估计 基于滑模观测器SMO估计轮胎的纵向力和侧向力
Carsim和simulink联合仿真轮胎力估计 基于滑模观测器SMO估计轮胎的纵向力和侧向力 模型估计的精度很高，测试的工况为双移线工况 基于SMO滑模观测器的轮胎力估计方法省去了轮胎模型的使用，避免了稳态轮胎模型造成的轮胎力计算误差大的缺点，同时不需要轮胎的侧偏刚度作为已知参数等。YID:192 ......
永磁同步电机的控制算法仿真模型 MRAS无传感器矢量控制 SMO无传感器矢量控制
永磁同步电机的控制算法仿真模型： 1. 永磁同步电机的MRAS无传感器矢量控制： 2. 永磁同步电机的SMO无传感器矢量控制（反正切+锁相环）； 3. 永磁同步电机DTC直接转矩控制； 4. 永磁同步电机的有传感器矢量控制； 5. 永磁同步电机的位置控制YID:92128687292912454 ......
Carsim和simulink联合仿真轮胎力估计 基于滑模观测器SMO估计轮胎的纵向力和侧向力
Carsim和simulink联合仿真轮胎力估计 基于滑模观测器SMO估计轮胎的纵向力和侧向力 模型估计的精度很高，测试的工况为双移线工况 基于SMO滑模观测器的轮胎力估计方法省去了轮胎模型的使用，避免了稳态轮胎模型造成的轮胎力计算误差大的缺点，同时不需要轮胎的侧偏刚度作为已知参数等。YID:192 ......
基于一种低通滤波反电势观测器的永磁同步电机无感FOC 采用的反电势观测器相比传统的SMO、龙伯格等反电势观测方法
基于一种低通滤波反电势观测器的永磁同步电机无感FOC 采用的反电势观测器相比传统的SMO、龙伯格等反电势观测方法，在算法结构上更加简单，参数调节容易，只有一个参数。 1.提供算法对应的参考文献和仿真模型； 2.提供该算法对应代码，可直接移植到CCS中实现实验验证；YID:27586748328398 ......