资源列表
cure
- 聚类算法CURE的算法实现。对图形进行聚类，在时间，结果方面对其性能进行评估。-CURE' s clustering algorithm. Graphics cluster in time, to assess its performance outcomes.
gesture-recognition
- 出并设计了基于计算机视觉的手势识别系统。采用双肤色模型和背景自适应模型进行手势分割，解决纷乱背景 下实时手势分割问题。以傅里叶描述于表缸E手势轮廓，基于BP网络建立的手势识别分类器，具有较强的自学习能力，提高了 识别率。-A hand gesture recogll主ti。n system which based on∞mputer vision is Prescn}ed in thi3 pape。A method of combinirlg double c010r-spatial
path-planning
- 一个简单的遗传算法路径规划，采用遗传算法对2d有障碍物路基规划-A simple genetic algorithm the path planning
C-Sharp-genetic-algorithm
- C#遗传算法———用C#语言实现的遗传算法-C# genetic algorithm
mohujulei
- 基于模糊概率的风险评价程序，模糊决策，聚类-Based on risk assessment procedures fuzzy probability, fuzzy decision-making, clustering
soft1000-mls
- FIRA机器人足球比赛，功能齐全，尤其是进攻方面比较好，参加比赛的选手可以-FIRA robot soccer, the function is all ready, especially the offensive is better, participate in the competition of player can have a look
Dijkstra
- 图与网络论中求最短路径的Dijkstra算法 M-函数 格式 [S,D]=minroute(i,m,W) i为最短路径的起始点,m为图顶点数,W为图的带权邻接矩阵， 不构成边的两顶点之间的权用inf表示。显示结果为：S的每 一列从上到下记录了从始点到终点的最短路径所经顶点的序号； D是一行向量，记录了S中所示路径的大小 -Graph and network theory Dijkstra' s shortest path algorithm M-functio
delayed-chaos-neural-networks
- 本程序画有时滞的混沌神经网络,本程序简单而且运算速度很快.-This code is to painting time delayed chaotic neural networks, moreover, the code is simple and operating quick.
spea2
- matlab6.5下可以运行的多目标优化算法, 经过运行, 可以放心.- under the multi-objective optimization algorithm, matlab6.5 can run, you can rest assured.
Matlab-svm-BP-compare
- 支持向量机和BP神经网络虽然都可以用来做非线性回归，但它们所基于的理论基础不同，回归的机理也不相同。支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。为了验证这种观点，本文编写了支持向量机非线性回归的通用Matlab程序和基于神经网络工具箱的BP神经网络仿真模块，仿真结果证实，支持向量机做非线性回归不仅泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。-SVM and BP neural networks, although non-linear regr
Statistical-Learning-Theory-Vapnik
- 统计学习理论 Vapnik 本书是对统计学习理论和支持向量机方法的全面、系统、详尽的阐述，是各领域中研究和应用机器学习理论与方法的科研工作者和研究生的重要参考资料。-Statistical learning theory Vapnik book of statistical learning theory and support vector machine method of comprehensive, systematic and detailed exposition of the
SVM-RFE
- 基因选择算法 SVMRFE 基因选择算法 SVMRFE-Gene selection algorithm SVMRFE gene selection algorithm SVMRFE gene selection algorithm SVMRFE