资源列表
Q学习实现资源分配
- 目前适用广泛的强化学习就是Q学习，此压缩包包含Q学习实现例程，用于解决资源分配问题。
蚁群算法实现
- 这是蚁群算法实现的一个例程，用于解决0——1背包问题，对初始者有帮助，能够运行。
机器学习之随机森林
- Bagging是并行式集成学习方法最著名的代表，Bagging通常对分类任务使用简单投票法，随机森林（RF）是Bagging的一个扩展变体，RF在以决策树为基学习器构建Bagging 集成的基础上，进一步在决策树的训练过程中引入了随机属性选择。在RF中，集成模型的每棵树构建时所需的样本都是由训练集经过有放回的随机抽样得来（即自助采样法bootstrap sample）。
7货币对冲-EA
- 国内一款稳定的七币对冲EA，该策略已经做好优化，风险低，盈利高 平均月收益在25%左右，年化150%-200%，浮亏控制在20%以内，不限平台，最低1000美金起步，0.01跑。(Domestic a stable seven dollar hedge EA, the strategy has been well optimized, low risk, high profit The average monthly income is about 25%, with an annualized
SIN初始化
- 混沌映射sin映射初始化种群，与标准pso求解sphere函数，精度更好(The chaos map sin map initializes the population, and solves the sphere function with standard PSO, the accuracy is better)
Hamster-EA
- 仓鼠EA稳定盈利系统，官方EA一般都是绑定VPS的，而我分享的【不需要激活VPS，本地直接使用】内附加载货币的参数设置，一步到位方便快捷。(Hamster EA is a stable profit system. The official EA is usually bound to VPS. However, the parameter setting of loading currency is attached in the [no need to activate VPS, use l
静态路径规划
- 建立二维栅格地图并根据基本蚁群算法进行全局路径规划(Two dimensional grid map is established and global path planning is carried out according to basic ant colony algorithm)
王者趋势-EA
- 一次一单，每单都带止损止盈，不加仓，做单准确率高，平均能达到90%，真正做到稳定盈利，风险降到最低。(One order at a time, each order with stop loss and stop profit, no additional positions, high accuracy rate of order making, the average can reach 90%, truly achieve stable profit, risk reduction to
机器学习-作业源码，题目介绍
- 机器学习-作业源码，题目介绍(吴恩达)，涵盖了常用函数的检索
SVM分类
- 基于SVM的疲劳驾驶系统。基于神经网络的非接触式疲劳驾驶检测已成为当前针对疲劳驾驶检测领域炙手可热的研究方向。它有效解决了接触式疲劳检测方法给驾驶员带来的干扰以及单一信号源对于反映疲劳程度可靠性低的问题，同时通过设计神经网络模型对多源信息进行分类，实现对疲劳状态的高精度和高速度的检测。选取合适的特征值对网络检测准确率以及准确反映疲劳程度至关重要。基于驾驶员生理信号检测可靠性和准确性较高。(Fatigue driving system based on SVM)
贝叶斯分类算法
- Java实现的贝叶斯分类的算法，算是一个小Demo，可以作为平常的研讨课题
matlab动物识别系统
- matlab环境下运行算法，进行提取特征，机器学习并进行识别，开发了动物识别系统，该系统简单实用。(Identify animals by their characteristics)