搜索资源列表
fuzzy
- The neuro-fuzzy software for identification and data analysis has been implemented in the MATLAB language ver. 4.2. The software trains a fuzzy architecture, inspired to Takagi-Sugeno approach, on the basis of a training set of N (single) outpu
BTL3.4
- 利用这个模板可以分析基因表达数据，dna序列数据等
PSO
- 1、pso算法介绍 2、遗传算法与PSO 3、神经网络与PSO 4、PSO的参数设置
Parzen
- Parzen窗函数概率密度估计演示程序 完全按照《现代模式识别》孙即祥著作 2.4.4《动态聚类法》算法3实现 使用欧式距离作为测度标准。
CPSO6nn
- 应用协同微粒群算法对一个4-6-1形式的神经网络进行离线训练.
PSO461nn
- 应用标准粒子群算法来建立一个实际非线性对象的神经网络辩识模型,神经网络形式为4-6-1
VC++BP
- 本程序是BP算法的演示程序, 其中的Levenberg-Marquardt算法具有实用价值. 一、网络训练 程序默认状态是样本训练状态,现将样本训练状态下的如何训练网络进行说明: 1.系统精度: 定义系统目标精度,根据需要定义网络训练误差精度.误差公式是对训练出网络的输出层节点和实际的网络输出结果求平方差的和. 最大训练次数: 默认为10000次,根据需要调整,如果到达最大训练次数网络还未能达到目标精度,程序退出. 3.步长: 默认为0.01,由于采用
beyes
- 1.基于Bayes分类的MATLAB程序 2.遗传算法求解函数优化 3.基于Matlab的人工免疫算法 4.空间数据分析中最常用的是聚类分析(k均值算法代码) 5.蚁群算法的matlab源码
yichuan
- * 这里是遗传算法的核心框架遗传算法的步骤： * 遗传算法核心部分的算法描述 * 算法步骤： * 1、初始化 * 1.1、生成初始种群编码 * 1.2、计算每个个体的适配值。 * 1.3、记录当前最优适配值和最优个体 * 2、选择和遗传， * 2.0、若当前最优适配值多次小于已有的最优适配值（或相差不大）很多次，或者进化的次数超过设定的限制，转4。 * 2.1、按照与每个个体的适配值成正比的概率选择个体并复制，复制之后个体的数目和原始种群数目
source-svm
- 使用支持向量机（svm）方法进行图像的单视度量(single view metrology)的vc++（需要用到wxwindows2.4.2）和matlab源代码.
pattern
- 清华版 模式识别 边肇祺 课后习题答案（1-4章）
thearticle
- 计算机模式识别技术，一本不可多得的好书吧 可以看看其中的第4、5章
Mafia-1.4
- 公认的比较有效的最大频繁集挖掘算法Mafia 算法源代码
BPNet
- 人工神经网络BP算法 1、动态改变学习速率 2、加入动量项 3、运用了Matcom4.5的矩阵运算库（可免费下载,头文件matlib.h)， 方便矩阵运算,当然，也可自己写矩阵类 4、可暂停运算 5、可将网络以文件的形式保存、恢复
prefixspan-0.4-ngram04
- pre-fixSpan算法，该算法是C++语言实现的，主要用模板实现prefixspan的投影数据库架构及模式生长功能
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
2006814174759656
- 本文讨论的问题主要涉及货运的配载，而货运配载的目标是实现车与货的高效匹配, 降低空载率以减少货物运输过程中因此而造成的经济损失。货运配载问题涉及两方面的 内容:车辆利用和货物装载。本文主要从这两个角度角度来分析解决问题。 对于问题1，我们首先通过分析复杂的变量及他们之间的关系，建立规划模型。为 了求解这个模型，我们进行了一系列的简化，使得模型求解切实可行。求得较优的方案， 而且各辆车均匀负担。该方案的总费用为4877.2。 对于问题2，我们在模型1 的基础上进行了改进采用
IncrementalRandomNeurons
- 本人编写的incremental 随机神经元网络算法，该算法最大的特点是可以保证approximation特性，而且速度快效果不错，可以作为学术上的比较和分析。目前只适合benchmark的regression问题。 具体效果可参考 G.-B. Huang, L. Chen and C.-K. Siew, “Universal Approximation Using Incremental Constructive Feedforward Networks with Random Hid
Neural_Network_and_MATLAB7
- 《神经网络理论与MATLAB7实现》电子书，超星4.0格式。
chapter45
- 《游戏编程中的人工智能技术》一书中4，5章源代码