搜索资源列表
matlab作业
- 模式识别一份很好的作业,包括线性分类器;最小风险贝叶斯分类器;监督学习法分层聚类分析;K-L变换提取有效特征,支持向量机-a very good operation, including linear classification; Minimum risk Bayesian classifier; Supervised learning method Hierarchical clustering analysis; K-L transform effective features, supp
模拟退火例子1
- 模拟退火算法来源于固体退火原理,将固体加温至充分高,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,而徐徐冷却时粒子渐趋有序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。根据Metropolis准则,粒子在温度T时趋于平衡的概率为e-ΔE/(kT),其中E为温度T时的内能,ΔE为其改变量,k为Boltzmann常数。用固体退火模拟组合优化问题,将内能E模拟为目标函数值f,温度T演化成控制参数t,即得到解组合优化问题的模拟退火算法:由初始解i和控制参数初值t开始,对
模拟退火例子2
- 模拟退火算法来源于固体退火原理,将固体加温至充分高,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,而徐徐冷却时粒子渐趋有序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。根据Metropolis准则,粒子在温度T时趋于平衡的概率为e-ΔE/(kT),其中E为温度T时的内能,ΔE为其改变量,k为Boltzmann常数。用固体退火模拟组合优化问题,将内能E模拟为目标函数值f,温度T演化成控制参数t,即得到解组合优化问题的模拟退火算法:由初始解i和控制参数初值t开始,对
模拟退火例子3
- 模拟退火算法来源于固体退火原理,将固体加温至充分高,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,而徐徐冷却时粒子渐趋有序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。根据Metropolis准则,粒子在温度T时趋于平衡的概率为e-ΔE/(kT),其中E为温度T时的内能,ΔE为其改变量,k为Boltzmann常数。用固体退火模拟组合优化问题,将内能E模拟为目标函数值f,温度T演化成控制参数t,即得到解组合优化问题的模拟退火算法:由初始解i和控制参数初值t开始,对
pcaklm
- 图像处理领域最新的K-L变换后求主成分的程序。matlab文件。-image processing latest K-L transform PCA for the procedure. Matlab document.
Substituter.java
- 代入法的启发示搜索 我的代码实现是:按照自然语言各字母出现频率的大小从高到低(已经有人作国统计分析了)先生成一张字母出现频率统计表(A)--------(e),(t,a,o,i,n,s,h,r),(d,l),(c,u,m,w,f,g,y,p,b),(v,k,j,x,q,z) ,再对密文字母计算频率,并按频率从高到低生成一张输入密文字母的统计表(B),通过两张表的对应关系,不断用A中的字母去替换B中的字母,搜索不成功时就回退,在这里回朔是一个关键。 -generation into a
K-L_face_rec
- 这是基于k-l分类方法的人脸模式识别的源代码实现-This is based on the k-l Classification of pattern recognition Face the source code to achieve
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
KL2
- 本程序利用K-L变换已经K-L变换的最优压缩,建立分类器,并选择投影方向,画出投影过后的效果-This procedure has been the use of KL transform KL transform optimal compression, the establishment of classifier, and choose the direction of projection, drawn after the effect of projection
TSP
- 模拟退火算法来源于固体退火原理,将固体加温至充分高,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,而徐徐冷却时粒子渐趋有序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。根据Metropolis准则,粒子在温度T时趋于平衡的概率为e-ΔE/(kT),其中E为温度T时的内能,ΔE为其改变量,k为Boltzmann常数。用固体退火模拟组合优化问题,将内能E模拟为目标函数值f,温度T演化成控制参数t,即得到解组合优化问题的模拟退火算法:由初始解i和控制参数初值t开始,
work_for_pattern_recognition
- 通过设计线性分类器;最小风险贝叶斯分类器;监督学习法分层聚类分析;K-L变换提取有效特征,设计支持向量机对给定样本进行有效分类并分析结果。-By designing a linear classifier minimum risk Bayes classifier supervised learning method hierarchical cluster analysis K-L transform to extract efficient features, designed to
mnth
- 模拟退火算法来源于固体退火原理,将固体加温至充分高,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,而徐徐冷却时粒子渐趋有序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。根据Metropolis准则,粒子在温度T时趋于平衡的概率为e-ΔE/(kT),其中E为温度T时的内能,ΔE为其改变量,k为Boltzmann常数。用固体退火模拟组合优化问题,将内能E模拟为目标函数值f,温度T演化成控制参数t,即得到解组合优化问题的模拟退火算法:由初始解i和控制参数初值t开始,对
SA
- 模拟退火算法 模拟退火算法来源于固体退火原理,将固体加温至充分高,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,而徐徐冷却时粒子渐趋有序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。根据Metropolis准则,粒子在温度T时趋于平衡的概率为e-ΔE/(kT),其中E为温度T时的内能,ΔE为其改变量,k为Boltzmann常数。用固体退火模拟组合优化问题,将内能E模拟为目标函数值f,温度T演化成控制参数t,即得到解组合优化问题的模拟退火算法:由初始解i
KL
- matlab编写的K-L变换算法,实验数据为Iris,分类为BP算法,运行良好!-Matlab prepared by the KL transform algorithm, the experimental data for the Iris classified as BP algorithm, a good run!
RSNA
- 待辨识对象参数a=[1 -1.5 0.7] b=[1 0.5] 输入采用长度L=400的白噪声序列,输出 ,输入和输出数据均含不相关随机噪声,ρ(k)=1/k。利用上述递推公式,辨识系统参数。-To identify the object parameters a = [1-1.5 0.7] B = [1 0.5] Input the length L = 400 white noise sequence, the output, the input and output data
RLS
- 仿真对象如下: 其中, v( k )为服从N (0,1) 分布的白噪声。输入信号u ( k) 采用M 序列,幅度为 1。M 序列由 9 级移位寄存器产生,x(i)=x(i-4)⊕x(i-9)。 选择如下辨识模型: 加权阵取Λ = I。 衰减因子β = 0.98,数据长度 L = 402。 辨识结果与理论值比较,基本相同。辨识结果可信 -he simulation object is as follows: among them, v (k) to obe
ye_ren_chuan_jiao_si_guo_he
- 对N=5、k≤3时,求解传教士和野人问题的产生式系统各组成部分进行描述(给出综合数据库、规则集合的形式化描述,给出初始状态和目标条件的描述),并画出状态空间图。 答: 用M表示传教士,C表示野人,B表示船,L表示左岸,R表示右岸。-For N = 5, k ≤ 3, the missionaries and Savage problem solving production system components are described (given comprehensive database
cover
- 给定 n 个整数 a1,a2,…,an 组成的序列,如果对于 i< k< j,有 ak< |aj|,则称 aj 覆盖序列区间 ai,ai+1,…,aj,相应的覆盖区间长度为 j-i+1。 最大覆盖问题要求给定序列的最大覆盖区间长度 L。 例如,当 n 10,相应序列为:1,6,2,1,-2,3,5,2,-4,3 时,L 5。 ★数据输入 输入数据第一行是一个整数 n,第二行是整数序列 a1,a2,…,an。 ★数据输出 输出给定序列的最大覆盖区间长度
markdal-software-white
- 使用基于K-L变换的特征选择方法,使原本4维的特征向量降至3维()