搜索资源列表
Class_Cover_PSO_FNN
- 基于类覆盖算法和粒子群优化的神经网络解决模式分类问题-algorithm based on the type coverage and PSO the neural network model to solve classification problems
psoyouhuannyj
- 基于粒子群优化的神经网络训练算法研究论文 摘 要: 本文提出了基于连接结构优化的粒子群优化算法(SPSO) 用于神经网络训练,该算法在训练神经网络权 值的同时优化其连接结构,删除冗余连接,使神经网络获得与模式分类问题匹配的信息处理能力. 经SPSO 训练的神经 网络应用于Iris ,Ionosphere 以及Breast cancer 模式分类问题,能够部分消除冗余分类参数及冗余连接结构对分类性能 的影响. 与BP 算法及遗传算法比较,该算法在提高分类误差精度的同时可加快训
psoRBF
- 粒子群优化算法优化RBF神经网络程序，可用在模式分类等方面-Particle swarm optimization algorithm optimization RBF neural network program can be used in pattern classification, etc.
POS-algorithm
- 对粒子群算法模式的有效扩展的几篇文献，很有启发-Particle swarm optimization model for the effective expansion of several documents, very enlightening
POS-reference
- 对粒子群算法模式的有效扩展的几篇文献，很有启发-Particle swarm optimization model for the effective expansion of several documents, very enlightening
PSO
- 粒子群优化算法（PSO）是一种基于种群的随机优化技术，由Eberhart和Kennedy于1995年提出。粒子群算法模仿昆虫、兽群、鸟群和鱼群等的群集行为，这些群体按照一种合作的方式寻找食物，群体中的每个成员通过学习它自身的经验和其他成员的经验来不断改变其搜索模式。 -Particle swarm optimization algorithm (PSO) is a population based stochastic optimization technique, put forward
psobpdiagnosis
- 利用粒子群算法优化BP神经网络的权值，将训练好的神经网络用于故障诊断中，进行模式识别，比BP神经网络收敛快-Utilizing particle swarm optimization BP neural network weights, the trained neural network for fault diagnosis, pattern recognition, neural network converges faster than the BP
PSOTool
- 求解非线性方程组方法有经典算法以及近年来流行的遗传算法．牛顿法及其改进形式,但是此类算法的收敛性在很大程度上依赖于初始点的选择，对于某些非线性方程组容易导致求解失败 为了克服经典算法的缺点，设计了求解非线性方程组的混合遗传算法,但依然对方程组和编码方法有很高要求。PSO是受到鸟群或者鱼群社会行为的启发而形成的一种基于种群的随机优化技术。它是一类随机全局优化技术，通过粒子间的相互作用发现复杂搜索空间中的最优区域。该算法是一种基于群体智能的新型演化计算技术，具有简单易实现、设置参数少、全局优化能力强
PSO-optimization
- 应用粒子群算法来寻找BP神经网络最优的初始权值还有阈值，本程序主要是以此来拟合函数，读者可以根据需要，小小地修改一下BP神经网络的代码，可以实现诸如模式识别等功能，收敛效果很好，-Application of particle swarm algorithm to find the optimal initial BP neural network weights as well as the threshold value, the procedure is a way to fit func
PSO
- 粒子群优化算法，算法没有和图像处理直接相关，不过对于图像分类中的模式识别相关算法，也许会用到这个优化算法。-PSO code
pso-bp
- 粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现
pso_Trelea_vectorized
- 本程序介绍了用粒子群算法优化支持向量机的相关参数，从而达到更好的模式识别。-This procedure describes the optimization of support vector machines with particle swarm algorithm parameters, so as to achieve a better pattern recognition.
pso1
- pso模型模拟 粒子群算法模仿昆虫、兽群、鸟群和鱼群等的群集行为，这些群体按照一种合作的方式寻找食物，群体中的每个成员通过学习它自身的经验和其他成员的经验来不断改变其搜索模式。 一是进化算法，粒子群算法和进化算法一样采用种群的方式进行搜索，这使得它可以同时搜索待优化目标函数解空间中的较多区域。 二是人工生命，即研究具有生命特征的人工系统，它采用的主要工具是计算机，主要方法是利用计算机编程模拟。-PSO simulation
PSO-SampEn
- 基于粒子群算法优化的样本熵计算程序，可用于模式识别(A sample entropy calculation program based on particle swarm optimization (PSO) optimization can be used for pattern recognition)
第十章粒子群
- 对多峰搜索问题提出了一类动态微粒群算法,该算法通过变换函数将多峰问题中的所有峰变为等高峰(A kind of dynamic particle swarm optimization (DPSO) algorithm is proposed for multi-peak search problem. The algorithm transforms all the peaks in multi-peak problem into equal peaks by transforming funct
基于粒子群优化算法的特征选择SVM分类
- 针对“BreastCancer”数据集，作为对比，第一次对特征集直接进行SVM分类，第二次使用粒子群算法进行特征选择后再进行SVM分类。并且对比和分析了两次分类的结果。(For "BreastCancer" data set, as a comparison, the first time the feature set is directly classified by SVM, and the second time the feature set is selected
基于粒子群的信号模式识别
- 基于粒子群和聚类算法的QAM及MPSK的数字信号调制模式的自动识别