搜索资源列表
我编写的monte carlo随机数发生器
- 这是我在matlab环境下编写的产生随机数的源程序，包括产生均匀分布和正态分布，参数接口十分灵活。-in Matlab environment prepared by the random numbers generated by the source code, including the Uniform Distribution and normal distribution, parameter interface is very flexible.
GeneticAlgorithms_matlab
- X(t)=Asin(2*pi *f *t+ q)+n(t) 估计其中的参数为A，f， q。n(t)为随机噪声，服从正态分布。 其他的具体见附件中的程序 -X (t) = 4sin (2 * pi * f * t q) n (t) is estimated parameters A, f, q. N (t) of random noise, subject to normal. Other specific see annex to the proceedings
randomnumber
- 关于产生均匀分布和标准正态分布的随机变量的VC程序-on the production and distribution of uniform standard normal distribution of random variables VC Program
bayes.c
- 两类正态分布模式贝叶斯分类算法源程序，用c语言实现的-two normal mode Bayesian classification algorithm source files, using the C Language
ga
- 改进的遗传算法。采用一定的策略来保证遗传算法的初始化合理，采用产生正态分布随机数初始化。-Improved genetic algorithm. Using certain strategies to ensure a reasonable initialization of genetic algorithms, using the normal distribution of random numbers generated initialization.
Cpp2
- 两类正态一维分布模式的贝叶斯分类程序（自己编写的）-Two kinds of normal distribution model of one-dimensional bayes classification procedures
matlab-accessory_parameter
- lingjian.m-----蒙特卡罗方法 lingjian.m使用零件初始值，用蒙特卡罗方法算出总费用。其中使用了自己编制的正态分布随机数发生器产生正态分布随机数。lingjian.m是对蒙特卡罗方法的一次练习。 accyouhua为标定值的函数，而lingjian不是一个函数，在其中已给出了一组标定值的值。 退火确定标定值/unitanneal()----模拟退火 连续型多个变量组合优化问题 这是对模拟退火方法的一次练习，结果证明模拟退火确实是一
OPSearchingmice
- Qt编写的一个小程序，基于PSO群体智能算法的一群小老鼠在一定范围内搜索奶酪。 假定的情况是奶酪在空间内气味分布为以自己为中心的二维正态分布，小老鼠们凭气味浓度搜索奶酪。-Qt to write a small program, swarm intelligence algorithm based on PSO group of small rodents in a certain range search cheese. Assumption is that the smell of ch
ex1
- 贝叶斯方法一篇比较科普的中文介绍可以见pongba的平凡而神奇的贝叶斯方法: http://mindhacks.cn/2008/09/21/the-magical-bayesian-method/，实际实现一个贝叶斯分类器之后再回头看这篇文章，感觉就很不一样。 在模式识别的实际应用中，贝叶斯方法绝非就是post正比于prior*likelihood这个公式这么简单，一般而言我们都会用正态分布拟合likelihood来实现。-pattern identification
WZUVN
- 模式识别中,对于服从多元正态分布的样本的一个分类器的实现,-Pattern recognition, for the sample of multivariate normal distribution on the implementation of a classifier,
adhv
- 模式识别中,对于服从多元正态分布的样本的一个分类器的实现,-Pattern recognition, for the sample of multivariate normal distribution on the implementation of a classifier,
Sciprts
- 用 dataset3 作为训练数据，用 dataset4 作为测试数据，采用不同的特征、训练样本数、分类方法进行比较实验，观察、分析实验结果的异同。 训练分类器的方法为最小错误率贝叶斯分类器（假设正态分布，先验概率各 50%）。使用Bayesscr ipt.m运行代码。(Using dataset3 as training data, dataset4 is used as test data, and different characteristics, training samples an
2
- （a）产生两个都具有200个二维向量的数据集和（注意：在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0（或任意给定数值），这对结果的可重复性很重要）。向量的前半部分来自均值向量的正态分布，并且协方差矩阵。向量的后半部分来自均值向量的正态分布，并且协方差矩阵。其中是一个2*2的单位矩阵。 （b）在上述数据集上运用感知器算法，并且使用不同的初始向量初始化参数向量。 （c）测试每一次算法在和上的性能。 （d）画出数据集和，以及分类面。((a) Generate