搜索资源列表
gaot
- 遗传算法工具箱GAOT，供做遗传方面的智能信息工程用-Genetic Algorithm Toolbox GAOT
MATLAB-znglzdyy
- 运用matlab与应用系统无缝集成的三种方式，最后，用一个在智能网络管理信息处理中的具体实例详细说明实现的步骤。 -Use of matlab applications seamlessly integrated with the three ways, finally, with an intelligent network management information processing in the detailed descr iption of specific examples
farsight070825DSP
- 了一些资料，都没有说这个仿真平台是什么，是matlab还是直接在VC++的编译环境编程？还是有专门的仿真环境呢？ 3、如果用实物验证的话，我觉得有两种方式：一是用摄像头来采集整个地图信息，智能车的位置也有摄像头来反馈；二是，整个地图保存在内存中，小车根据传感器信息自我定位，然后和保存的地图比较。-You can download the current points to 1, the source download get points one day, you can download
PeptX
- 用遗传算法优化蛋白质预测，主要针对于MHC binding，预测，讲智能算法与生物信息学方法结合-Using Genetic Algorithms to optimize peptides
zhinengxinxichuli
- 很有用的资料，智能信息处理相关程序，希望对大家有用-very good！！！！！111
Image-analysis
- 图像分析一般利用数学模型并结合图像处理的技术来分析底层特征和上层结构，从而提取具有一定智能性的信息。-Image analysis
the-wavelet-neural-network
- 城市交通流的运行存在着高度的复杂性、时变性和随机性,实时准确的交通流预测是智能交通系统,特别是先进的交通管理系统与先进的出行者信息系统研究的关键. 基于交通流预测的特点,给出了基于遗传算法的小波神经 网络的交通预测模型GA-WNN ,用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行前期优化训练,部分代替了小波框架神经网络中按单一梯度方向进行参数优化的梯度下降法,克服了单一梯度下降法易陷入局部极小和引起振荡效应等缺陷. 仿真实验验证了GA-WNN 预测模型对短时交通流的
yiqunjuliesuanfa
- 整个算法来自《一种利用信息熵的群体智能聚类算法》提供的算法-The whole algorithm from a swarm intelligence information entropy clustering algorithm algorithm
GUI_server
- 基于Matlab平台RFID技术的智能仓储管理系统服务器端，能实现智能仓库的货物信息管理。-Intelligent Warehouse Management System based on the Matlab platform RFID technology the server side, to achieve intelligent warehouse cargo information management.
jiangcaiyang
- 做数据处理，比如做智能诊断样本创建的时候， 如果采集信息有限，但数据量又很大， 可以选择将原始信号就行降采样，来获得更多更可靠的样本-Good collection of information is limited, but the amount of data is so big occasion
altificial-bee-colonyalgorithm
- 人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。-Artificial bee colony algorithm is an optimization technique to mimic the behavior of bees make is thinking of a particular cluster of
firefly_algorithm
- 萤火虫算法（Firefly Algorithm）是一种群智能优化算法，它是英国的学者在2008年提出的，其本质是利用萤火虫在觅食和信息交汇中的一种仿生算法。- Firefly Algorithm (Firefly Algorithm) is a swarm intelligence optimization algorithm, which is a British scholar proposed in 2008, and its essence is to use the firefly
anti_TSP
- 蚁群算法是一种智能优化算法，通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略，给出基于MATLAB的蚁群算法在旅行商问题中的源代码m文件，对问题求解进行局部优化。-Ant colony algorithm is an intelligent optimization algorithm through the shortest route of pheromone search strategy based on the ant foraging process, given the ant
《多源信息融合》高清版
- 编程语言是工具，真正干到最后都是在研究算法，智能机器学习初步(Programming languages are tools that really do the last thing in the study of algorithms, and intelligent machine learning is preliminary)
Finite_time_Sim
- 群集行为是多智能体系统研究中的一个重要问题，其主要任务是给出多个智能体基于局部信息实现群集行为的条件，本文针对信息交换拓扑保持连通性的群集行为展开研究，主要内容如下(Swarming behavior is an important problem in the research of multi-agent system, its main task is to give a local agent information to realize the swarm behavior based
蚁群算法
- 蚂蚁算法 蚁群算法是一种用来寻找优化路径的概率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。这种算法具有分布计算、信息正反馈和启发式搜索的特征，本质上是进化算法中的一种启发式全局优化算法。蚁群系统(Ant System或Ant Colony System)是由意大利学者Dorigo、Maniezzo等人于20世纪90年代首先提出来的。他们在研究蚂蚁觅食的过程中，发现单个蚂蚁的行为比较简单，但是蚁群整体却可以体现一些智能的行
模糊控制用于机器人避障
- 智能小车是移动机器人的一种，可通过计算机编程来实现其对行驶方向、启停以及速度的控制。要想让智能小车在行驶过程中能成功地避开障碍物，必须对其进行路径规划?，路径规划的任务是为小车规划一条从起始点到目标点的无碰路径。路径规划方法有：BP人工神经网络法（Back Propagation）、机器学习（Reinforcement Learning）、以及模糊控制（Fuzzy Control）方法等。模糊技术具有人类智能的模糊性和推理能力，在路径规划中，模糊推理的应用主要体现在基于行为的导航方式上，即将机器
Consensus
- 含过时信息多智能体系统一致性Matlab仿真(Simulation of Unified consensus of Multi-Agent System with Outdated Information by MATLAB)
MATLAB图像采集
- 能够通过蓝牙模块接受摄像头图像信息将其使用MATLAB进行处理，程序中接口已经写好，可在相应部分更改图像分辨率、蓝牙名称，就可用于机器人，智能车等的轻量级摄像头图像处理开发(The camera image information can be received by Bluetooth module and processed by MATLAB. The interface in the program has been written. The image resolution and B
beiBao01
- 免疫克隆解决01背包问题，将免疫概念及其理论应用于遗传算法，在保留原算法优良特性的前提下，力图有选择、有目的地利用待求问题中的一些特征信息或知识来抑制其优化过程中出现的退化现象，这种算法称为免疫算法(Immune Algorithm) IA。人工免疫算法是一种具有生成+检测 (generate and test)的迭代过程的群智能搜索算法。从理论上分析，迭代过程中，在保留上一代最佳个体的前提下，免疫算法是全局收敛的。(Immune clone solves 01 knapsack problem