搜索资源列表
vfi_stochastic
- 简单实用的Matlab值函数迭代程序，值得参考(value function iteration)
myPSO
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等[1] 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutati
simple linear iterative clustering for matlab
- 超像素图像分割方法，简单线性迭代聚类，用于自然影像/遥感影像分割等(superpixel image segmentation, simple linear iterative clustering)
liziqun
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法(Particle Swarm Optimization)，缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的"交叉"(Crossover) 和"
RRT
- 快速搜索随机数算法的实现过程，较为基本的简单的实现了三个不同迭代数量的随机数的产生，效果显著。(The implementation of Rapid-exploration Random Tree number algorithm, the more basic and simple realization of the three different number of iterations of the random number generation, the effect is sig
pso
- 用于优化参数，粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等[1] 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”
ctRecontruction
- 该附件的函数可实现CT重建的功能，如简单的反投影，在空间域中使用卷积的滤波反投影，采用了二维傅立叶变换的滤波反投影，并利用中心切片定理滤波反投影。 CT技术诞生以来, 人们已经发展了众多的图像重建算法, 但各种算法均存在着各自的优缺点。解析重建(Analytic Reconstruction, AR)和迭代重建(Iterative Reconstruction, IR)是CT图像重建的两种基本方法。滤过反投影(Filtered Back Projection, FBP)是解析重建的主要算法
bag
- 我们用三个方向的距离，把它们放进简单的神经网络输出至Jackal机器人。让它尝试不同的轨迹和方向，然后找到完美的路线，利用迭代学习与遗传 算法，从而达到完美的避障。该项目有着广泛的应用，如自动驾驶，如扫地机器人我们也可以看到Jackal变得越来越智能化连续学习，这是非常有趣的。(We use the distance from three directions and put them into the simple neural network to output to the Jackal
pso
- PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的"交叉"(Crossover) 和"变异"(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。(The PSO algorithm is a kin
PageRank
- PageRank迭代简单算法，自选V（随机离开的概率）进行迭代算出最终的pagerank(PageRank iteration___simple algorithm, and you can choose V (random departure probability) to iterate the final PageRank.)
PSO-Python
- 粒子群算法，PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。(The particle swarm optimization (PSO) al
COUNTS_Phase_I
- 迭代一数据众包平台，实现简单的方框标注，分类标注，选择标注(Data Crowdsourcing platform)
第3章 递推算法(C++版)
- 递推法是一种重要的数学方法，在数学的各个领域中都有广泛的运用，也是计算机用于数值计算的一个重要算法。这种算法特点是：一个问题的求解需一系列的计算，在已知条件和所求问题之间总存在着某种相互联系的关系，在计算时，如果可以找到前后过程之间的数量关系（即递推式），那么，从问题出发逐步推到已知条件，此种方法叫逆推。无论顺推还是逆推，其关键是要找到递推式。这种处理问题的方法能使复杂运算化为若干步重复的简单运算，充分发挥出计算机擅长于重复处理的特点。 递推算法的首要问题是得到相邻的数据项间的关系（即递推关系
JAVA-PSO-master
- 一个简单实现的粒子群优化算法pso测试程序，输出粒子最优解，迭代50次后得到最终结果。( U4E00 u4E2 u5B3 u5B0 u5B9 u7B0 u7B0 u7B0 U89E3 uFF0C u8FED u4EE350 u6B21 u540E u5F97 u5230 u6700 u7EC8 u7ED3 u679C u3002)
粒子群
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操
ABAQUS+UMAT+FORTRAN
- ABAQUS中用户材料子程序UMAT的开发主要解决两方面的问题：本构模型的建立和积分算法的选择。 本文主要研究非线性材料的UMAT实现方法，并重点研究其迭代算法部分，目前，用户材料子程序UMAT的迭代算法主要是常刚度法，常刚度法的优点在于算法原理较简单，程序编写较方便，缺点是当遇到复杂非线性材料时，其迭代次数较多，收敛速度也较慢，在这个情况下，本文采取的是一种迭代次数较少且收敛速度较快的切线刚度法，具体就是采用FORTRAN语言编制了基于Von-Mises模型的接口程序,并采用切线刚度算
case5
- 2机5节点系统，可实现简单牛拉法，快速解耦法迭代潮流计算(2-machine 5-node system can realize simple Niula method and fast decoupling method to iterate power flow calculation)
MATLAB版超像素划分
- 此超像素分割代码是基于简单线性迭代SLIC实现，根据LAB颜色空间下颜色相似度完成图像分割，是目前比较流行的一种分割办法。
IAA 算法说明
- IAA迭代自适应估计算法，用于空时自适应处理。简单的子程序(IAA method for STAP, which can be used to process the echo data received by Radar.)
粒子群算法
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法(Particle Swarm Optimization)，缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的"交叉"(Crossover) 和"