搜索资源列表
mrmr-ftest.zip
- This is a code for feature selection. Which combines minimum redundency and max relevance and Ftest. Originally it is written for gene selection but can be used for any kind of feature selection.,This is a code for feature selection. Which combines m
sga
- 基本遗传算法的matlab源程序，bstr2rval.m为基本编码转为实际值子函数，createPop.m创建初始种群子函数，crossOper.m基因交叉子函数，indiEval.m个体实际值子函数，mutateOper.m基因变异子函数，selectOper.m选择算子子函数，sga.m基本遗传算法子函数-The basic genetic algorithm matlab source, bstr2rval.m as the basic coding to the actual value
ga
- 一种多目标遗传算法策略的基因表达数据的基因选择的论文-A multi-objective genetic algorithm strategy for gene expression data for genetic selection of papers
reliefF
- reliefF algorithm for gene selection
SVM-RFE
- 基因选择算法 SVMRFE 基因选择算法 SVMRFE-Gene selection algorithm SVMRFE gene selection algorithm SVMRFE gene selection algorithm SVMRFE
ellipsoidFN
- this code for "ellipsoidFN: a tool for identifying a heterogeneous set of cancer biomarkers based on gene expressions" new tool for feature selection (biomarkers discovery)
SVMRFE
- svm的一种特征选择方法，基因选取算去，减少特征数量，减少运算时间，也可提高运算精度-svm a feature selection method, gene selection operator to reduce the number of features to reduce the computation time, but also can improve the calculation accuracy
gene-selection
- gene feature selection matlab code
Genetic-Algorithm-Toolbox-v1.2
- 工作原理是通过模拟自然界中生物进化的过程，设计相应的进化算子和操作，来解决复杂的实际问题，是一种建立在自然选择和遗传学基础上的搜索寻优算法。它从一组随机产生的种群开始，这个种群由经过基因编码的一定数量的个体组成，按照适者生存和优胜劣汰的规则，通过比较每个个体适应度的大小，选择适应度较大的个体进行交叉、变异，产生的新一代更适应环境的种群参与进化。通过一代一代不断的繁衍进化，最终得到最适应环境的个体，即得到问题的最优解。-Works by simulating the process of biol
mgasa
- 本资源是Mgasa算法解决TSP问题的Matlab代码，资源中包括mgasa_main(Mgasa算法解决TSP问题代码)，mgasa_fitness(适应度求取函数代码)，mgasa_annealing(Mgasa算法中模拟退火代码)，mgasa_select(遗传算法中选择函数代码)，mgasa_crossover(遗传算法中染色体交叉互换函数代码)，mgasa_mutation(遗传算法中基因突变函数代码)，mgasa_change(Mgasa算法中选择过程代码)。同时代码中有Locati
遗传算法——旅行商问题mfc
- 旅行商问题：一个旅行者要去很多城市，每个城市只去一次，问：该怎么走路线最短？ ? ?????? 这个问题可以转化为：随机给n个点，如何连线这n个点，使得连线最短？ ? ?????? 这个问题是遗传算法的经典问题~哈哈~~我试着写了一个程序来解决。 ? ?????? 采用的策略是： 1.?????? 精英主义：每次有2个最优解直接进入下一代。 2.?????? 轮盘赌选择生育：每次对每一代的个体进行一次轮询，如果不适应度<某个随机数，那么选择这个个体进行生育。 3.?????? 单性繁殖：因
genetic algorithm
- 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如
遗传算法
- 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。(The genetic algorithm (Genetic Algorithm) is a computational model of biological evolutio
Desktop.rar
- 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成(Genetic Algorithm (based Algorithm) is a simulation Darwin the evolution natural selection
JMcec2007
- gene selection in cancer classification by pso/svm
GA
- 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。(Genetic algorithm (Genetic Algorithm) is a computational model for simulating the evoluti
GA
- 遗传算法（Genetic Algorithms，简称 GA）是一种基于自然选择原理和自然遗传机 制的搜索（寻优）算法，它是模拟自然界中的生命进化机制，在人工系统中实现特定目 标的优化。遗传算法的实质是通过群体搜索技术，根据适者生存的原则逐代进化，最终 得到最优解或准最优解。它必须做以下操作：初始群体的产生、求每一个体的适应度、 根据适者生存的原则选择优良个体、被选出的优良个体两两配对，通过随机交叉其染色 体的基因并随机变异某些染色体的基因后生成下一代群体，按此方法使群体逐代进化， 直
gaot
- 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。(Genetic Algorithm (based Algorithm) is a simulation Darwin the evolution natural selectio
新建文件夹 (2)
- 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如
遗传算法
- 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如