搜索资源列表
ImagesegmentationBasedonGeneticAlgorithmandNeuraln
- 本文深入研究了 BP 神经网络与遗传算法理论，BP 神经网络在应用过程中面临 着网络训练时间长、容易陷入局部极小值、隐层节点数不易确定等缺点，为了有效 地克服 BP 网的困难，将遗传算法与 BP 网络有机地融合，使它们之间的相互补充增 强彼此的能力，从而获得更有力的解决实际问题的能力。 -this in-depth study of artificial neural networks and genetic algorithms theory, BP neural networ
SegmentationforImagesofVCH-F1BasednmprovedWatersed
- 针对分水岭算法存在的过分割问题以及VCH-F1切片图像的特点，提出一种能够有效消除局部极小值和噪声干扰的自动分割方法。首先比较彩色分量梯度图，选择分量图像的梯度信息，达到有效提取图像边缘信息的目的；然后提出基于多阈值分割的方法消除无效梯度信息；最后介绍了算法的步骤及结果。实验结果证明，通过该方法处理的梯度图像再进行分水岭算法处理，即使不进行区域合并也能达到很好的效果。
9
- ch9_2_1：调用函数bwmorph实现骨架化操作（§9.2.4） ch9_2_2：利用函数bwperim实现提取边界操作（§9.2.4） ch9_2_3：利用函数bwmorph实现提取边界操作和骨架化操作（§9.2.4） ch9_2_4：利用函数imbothat处理图像（§9.2.4） ch9_2_5：利用函数imclose执行图像闭运算（§9.2.4） ch9_2_6：利用函数imopen执行图像开运算度（§9.2.4） ch9_2_7：利用函数imtophat增强
proj07-01
- 试验中使用模拟退火算法寻找一6-单元网络能量最小化的模型。模拟退火算法是模拟物理学上的退火技术。其优势在于有可能使系统从局部极小值跳出。-Simulated annealing algorithm used in the experiments to find a 6- unit network model of energy minimization. Simulated annealing algorithm simulates the physics of annealing. The a
DynamicPowerQualityTestingTechnology
- 本文首先介绍了有源电力滤波器的基本结构和工作原理，并对一些常规的谐波电流检测方法的优缺点进行了比较。其次，针对传统的谐波电流检测方法的缺陷，提出将神经网络与基于噪声抵消原理的自适应谐波检测相结合，利用径向基函数运算量小、收敛快、无局部极小值等优点，构造了一种基于径向基函数神经网络的谐波电流检测方法，仿真结果表明该检测方法具有很好的动态响应及畸变电流检测精度。最后，设计了一套实验系统，对本文所采用的系统方案进行了实验验证。仿真表明，本文所采用的有源电力滤波器检测系统方案切实可行，能够较好地实现动态
danchunxing
- 单纯型搜索MATLAB程序，用于搜索多变量函数的局部极小值。-Search MATLAB simple procedure used to search for multi-variable function of the local minimum value.
danchunxing
- 单纯形搜索算法程序，用于快速搜索多变量函数的局部极小值。-Simplex search algorithm procedure for fast search multi-variable function of the local minimum value.
vcwatershed
- 分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。-Watershed segmentation method is a top
Efficient
- 往BP神经网络容易陷入局部极小值的缺点，同时为股票预测提供了一种新的思路和研 究方法，具有一定的理论意义和实际应用价值 -Stockmarket15closelyrelatedwiththeeeonomieactivities.
watershed_serial
- 分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。 -Watershed segmentation method is a
signt
- 标记分水岭算法，可用于彩色图像的分割。通过标记局部极小值实现。-label
BP-gearbox-fault-3
- 基于改递的BP神经网络齿轮箱故瞪i全断方法的研究：对BP神经网络存在局部极小值和收敛速度慢等问题，提出了一种RPROP的改进的BP神经网络。RPROP 神经网络具有优良的非线性映射能力，可以很好地描述频率特征和诊断结果之间的关系。本文利用MATLAB结合齿轮箱故障建立了标准BP神经网络和本文提出的改进BP神经网络的两个故障诊断模型，并对其性能做了分析和对比。实验表明，基于改进的BP神经网络的齿轮箱故障诊断方法可以大大提高故障诊断的精确性，缩短了诊断时间。-BP based gearbox f
minHJ
- 利用黄金分割法来求解目标函数的局部极小值。-Functions using golden section method for the minimum.
Adaptiveconstrainedparticleswarm
- 针对粒子群优化算法应用于约束优化问题时易陷入局部极小值的问题, 提出了一种改进的粒子群优化算 法. 该算法综合了约束优化问题的目标函数值和约束函数的违反度值作为粒子群优化算法的双适应度值, 采用了 双适应值动态判断粒子群优化算法中粒子的优劣. 违反度值的计算引入了自适应加权系数, 相应地提出了调整各 权系数的自适应策略, 并改进了粒子群优化算法的粒子竞争选择策略, 拓展了粒子群优化算法的单适应值的应用 范围.应用约束自适应粒子群优化算法实现了城市水厂的节能优化调度. 结果表明,
watershed
- 分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。-Watershed segmentation method, which is based on a topological theory of mathematical morphology segmentation method, the basic idea is that t
conjugategradient
- 本程序用共轭梯度法求函数局部极小值。程序包括三个文件，主程序conjugategradient，函数的梯度gradient，以及黄金分割法partition精确求一维搜索极小点变量步长。程序用来求多变量函数的极小值。-This program conjugate gradient method and function of local minima. The program includes three files, the main conjugategradient function gr
Wvcwatersheda
- 分水岭分割方法，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构 -Watershed segmentation method segmentation me
s4
- 分水岭算法 在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。-Watershed algorithm in each local minimum surface, pierce a small hole, and then the whole model is slowly immersed in water, With the immersion deepening, the do
神经网络极速学习方法研究
- 单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的
小波神经网络的时间序列预测-短时交通流量预测
- 本文采用小波神经网络进行交通流量预测，短时交通流量存在随机性和非线性因素，影响预测的准确性。传统预测模型难以反映交通流量变化特点，同时传统神经网络易陷入局部极小值，泛化能力差，交通流量预测精度低。为了提高短时交通流量预测精度，提出一种小波神经网络的短时交通流量预测模型。小波神经网络可以对短时交通流量随机性、不确定性进行局部分析，并进行非线性预测，验证了模型的有效性，进行了对比试验。验证结果表明，小波神经网络提高了短时交通流量预精度，预测结果更具应用价值。(In this paper, wavel