搜索资源列表
dasad
- 基于遗传算法的小波神经网络交通流预测.pdf
NN+GA
- 1,改进BP神经网络在股市预测中的应用.2,基于MATLAB工具箱的开采煤层自燃危险性预测.3,基于改进的神经网络的电力系统负荷预报.4,基于神经网络的灌溉用水量预测.5,基于遗传算法改进BP网络的地表沉陷预计.6,利用遗传算法改进BP学习算法.7,模糊神经网络在电力市场短期负荷预测中的应用.8,神经网络学习算法存在的问题及对策.9,遗传神经网络在电力系统短期负荷预测中的应用.10,应用改进BP神经网络进行用水量预测.11,用遗传算法改进的BP模型在刹车系统诊断中的应用研究.12,遗传算法改进的
WebStreamingData
- web流数据聚类挖掘的研究和应用。流数据作为一种特殊的可挖掘的数据类型，特别是基于网络技术迅速发展的今天，其彰显出的重要地位决定了它的挖掘技术需要被认真考虑，而如何在流数据中进行有效的聚类分析，是一个吸引研究者很大注意力的问题。
BPshorttemtrafficprediction
- 该代码是研究基于BP神经网络的短期交通流预测，运用Matlab工具箱实现对交通流的预测-short-term traffic predictions
trafficpredic
- 讲述了基于神经网络的交通流预测方法，较一般传统的线性预测方法精度高-Described the traffic flow based on neural network forecasting method than conventional linear prediction method with high precision
InputOutput
- 实现对8为输入数据流，神经网络训练后，达到期望的目标值的过程。-Implementation of the 8 input data stream, neural network training, to achieve the desired target value of the process.
Parrecasting
- 混沌粒子群算法的神经网络短时交通流预测Particle swarm optimization based on chaotic neural network short-term traffic flow forecasting-Particle swarm optimization based on chaotic neural network short-term traffic flow forecasting
Detailed-algorithm-for-maximum-flow
- 在网络流中如何求解最大流的算法，以及网络流中的一些定理-How to solve the network flow algorithm for maximum flow, as well as some theorems in network flow
five-kind-BP-for-traffic-prediction
- 采用五种不同的局部算法对BP网络进行改进，预测交通流量，根据不同的数据特征可以进行不同的选择-Using five different local networks to improve the BP algorithm to predict traffic flow, according to different data characteristics can be different choices
CRC3.0
- 此代码的功能是实现网络纠错当中的循环冗余码纠错法，即输入一个初使二进制比特流与生成多项式可以得出一个拥有循环冗余纠错码的二进制比特流，此比特流如果转输到目的地就可以进行差错验证了，以保证代码的正确传输。代码注释里有详细的测试数据与说明。-This code is a network error-correcting function among the cyclic redundancy code error correction method, that is early to make a
SAP
- 网络流算法，很详尽,可以下载学习，有源码及注释-net stream algorthem
ultimate-solution-of-network-flow
- 网络流终极解包裹程序，自动绕过包裹相位图的残差点，得到好的解包裹结果。-The ultimate solution of network flow wrapping other programs to automatically bypass the wrapped phase map of the residual was almost good unwrapping results.
shortest-path-problem
- 图与网络是运筹学（Operations Research）中的一个经典和重要的分支，所研究的 问题涉及经济管理、工业工程、交通运输、计算机科学与信息技术、通讯与网络技术等 诸多领域。下面将要讨论的最短路问题、最大流问题、最小费用流问题和匹配问题等都 是图与网络的基本问题。 我们首先通过一些例子来了解网络优化问题。 例1 最短路问题（SPP－shortest path problem）-shortest path problem）
rtspser
- rtspserver c语言编写实现vlc能接收rtspserver的网络串流-vlc receive rtsp network streams.
Programs
- 都是自己实现的代码 自认为代码较同类短 实现清晰 效率很高 故传上来分享 HLPP 最高标号预留推进 网络流最好算法之一 DynamicTree 动态树 树上维护数据的终极算法 SAM 后缀自动机 多模式串线性处理 例题:CTSC2012 熟悉的文章 最后匈牙利 匹配算法-Code are realized since that clear and efficient code than similar short it pass up sharing the the HLPP
RBF_model
- matlab编写的RBF神经网络两相流流型辨识程序-RBF neural network matlab prepared flow pattern identification procedure
BPregime
- 流型智能分类，模式识别，BP人工神经网络-Intelligent flow classification, pattern recognition, BP artificial neural network
BP-discriminating-feature-vector
- 用BP人工神经网络进行特征提取进而进行流型识别-With BP artificial neural networks for feature extraction and then stream pattern identification
mohutuili
- 包括了模糊理论，神经网络和交通流Nasch的实现方法及代码-Including the fuzzy theory, neural networks and implement traffic Nasch and codes
pemwocmanceimplementationrvalue
- 本人参加ACM竞赛使用的一些算法模板,包括二分图匹配,欧拉回路的构造以及网络流中的最大流与最小费用最大流等,可以说实战性非()