多目標遺傳算法程序簡單程序，學習函數，初學者使用參考，內含例題
上傳時間： 2018-04-22
上傳用戶：dian941216
多目標優化歷史上第一個進化算法 VEGA算法
上傳時間： 2018-11-20
上傳用戶：madehua0
多智能體達到一致性算法，結合論文方便更改。
上傳時間： 2019-03-22
上傳用戶：klsn
多閾值分割優化算法，主要利用otsu+遺傳算法實現圖像的三閾值分割
上傳時間： 2021-04-13
上傳用戶：tankang
30個數學建模智能算法及MATLAB程序代碼:chapter10基于粒子群算法的多目標搜索算法.rarchapter11基于多層編碼遺傳算法的車間調度算法.rarchapter12免疫優化算法在物流配送中心選址中的應用 .rarchapter13粒子群優化算法的尋優算法.rarchapter14基于粒子群算法的PID控制器優化設計.rarchapter15基于混合粒子群算法的TSP搜索算法 .rarchapter16 基于動態粒子群算法的動態環境尋優算法.rarchapter17基于PSO工具箱的函數優化算法.rarchapter18魚群算法函數尋優.rarchapter19基于模擬退火算法的TSP算法.rarchapter1遺傳算法工具箱.rarchapter20基于遺傳模擬退火算法的聚類算法.rarchapter21模擬退火算法工具箱及應用.rarchapter22蟻群算法的優化計算——旅行商問題(TSP)優化 .rarchapter23基于蟻群算法的二維路徑規劃算法.rarchapter24 基于蟻群算法的三維路徑規劃算法.rarchapter25有導師學習神經網絡的回歸擬合——基于近紅外光譜的汽油辛烷值預測.rarchapter26.rarchapter27無導師學習神經網絡的分類——礦井突水水源判別.rarchapter28支持向量機的分類——基于乳腺組織電阻抗特性的乳腺癌診斷 .rarchapter29支持向量機的回歸擬合——混凝土抗壓強度預測.rarchapter2基于遺傳算法和非線性規劃的函數尋優算法 .rarchapter30極限學習機的回歸擬合及分類.rarchapter3基于遺傳算法的BP神經網絡優化算法 .rarchapter4sa_tsp.rarchapter5基于遺傳算法的LQR控制器優化設計.rarchapter6遺傳算法工具箱詳解及應用 .rarchapter7多種群遺傳算法的函數優化算法.rarchapter8基于量子遺傳算法的函數尋優算法 .rarchapter9基于遺傳算法的多目標優化算法.rar
上傳時間： 2021-11-28
上傳用戶：
基于可分性的多類目標特征選擇算法這是一份非常不錯的資料，歡迎下載，希望對您有幫助！
標簽： 特征選擇
上傳時間： 2021-12-01
上傳用戶：zhanglei193
近些年來，云計算與移動云計算迅速發展，隨之而來出現的問題是由于智能終端的數量和處理器計算能力能力的增加，越來越多的計算密集型應用應用被卸載到云端，這樣就給核心網絡造成很大的負載，從而不能滿足那些對延遲敏感的應用，所以移動邊緣計算就因此產生。它通過將計算、存儲等資源部署在網絡的邊緣，能快速地處理任務并傳輸。但是由于用戶終端的移動性，需要考慮的一個很重要的問題就是當服務厥量受到位置影響時應當采取什么措施。合理的計算切換能夠很好地解決這個問題。在移動邊緣計算中，什么時候進行計算切換以及切換到哪里是切換問題的關鍵。本文研究了計算切換的具體過程、影響計算切換的因素及管理體系，提出了計算切換的管理框架。在考慮任務完成時間、移動終端能耗和任務完成成本這些因素影響的基礎上并根據切換管理的框架和具體的判決準則，提出了簡單加權法、熵值法和基于理想解排序的這三種多屬性決策計算切換筧法。最后在實驗部分對這三種多屬性決策計算切換算法進行仿真實驗，在根據實驗結果對三種算法的性能進行分析，然后再研究計算量與數據量變化對算法性能的影響。實驗結果表明：采用多屬性切換決策的方法要優于不切換和總是發生切換的決策，并且在多屬性決策的方法中，班想解排序的方法要優于簡單加權法和值法，并且任務的完成時間、移動終端能耗、和任務的執行成本隨著終端移動速度的增大而有明顯減少，說明基于閾值的判決準則和多屬性切換決策算法適用于移動邊緣計算中的計算切換。關鍵詞：移動邊緣計算：計算切換：判決準則；多屬性決策
標簽： 移動邊緣計算
上傳時間： 2022-03-11
上傳用戶：ttalli
在工業應用中常用一組傳感器對問一個被測量目標在一個過程的不同位置進行測量，然而由于每個傳感器位于過程的不同位置，它們將不問程度的受到嗓聲的干擾，為了從被嗓聲干擾的多傳感器測量值中獲得更準確的測量結果，霱要進“步研究多傳感器的融合理論多傳感器數據融合系統的關鍵在于如何充分利用各個傳感器的信息，得到對被測參數的最優估計，本文主要研究了以加權的方式進行多傳感器數據融合的方法，即研究如何對每個傳感器進行加權，從而得到對被測參數最優佑計的方法為此本文在介紹了多傳感器數據融合技術的基礎上，首先研究了基于奇異值分解的數據融合算法，通過對傳感器測量值構成的矩陣進行奇異值分解，利用每個傳感器測量值所對應的奇異值，可以估計出對每個傳感器權值的最優估計，從而在不要任何先驗知識的條件下，可僅由多傳感器的測量值，利用提出的算法得到在最小均方誤差意義下的被測參數的最優估計，此外，在許多工業過程中，人們利用多傳感器測量同一過程參數以控制該參數在過程中的不同位置能根據需要進行合理分布，此時人們希望利用多傳感器融合的測量結果，對每一個傳感器的測量數據進行重建，以獲得對每一個傳感器的測量結果進行更為準確的估計。為此，本文進一步研究了基于小波降噪和數據融合的傳感器數據重建算法，仿真和實驗結果都說明提出算法是有效的，最后，研究了非線性動態系統的狀態融合問題，研究了加權無氣味卡爾曼濾波（UKF）方法，研究表明無氣味卡爾曼波波能克服了擴展卡爾曼濾波（EKF）在狀態融合估計中的不足，可以得到了更準確的狀態融合估計結關鍵詞多傳感器系統，數據融合，奇異值分解，UKF
上傳時間： 2022-03-16
上傳用戶：aben
該文檔為多通道自相關信號檢測算法及其FPGA實現總結文檔，是一份很不錯的參考資料，具有較高參考價值，感興趣的可以下載看看………………
標簽： fpga
上傳時間： 2022-03-27
上傳用戶：
論文首先研究了基于Har-like特征和Adaboost分類器的目標車輛探測算法原理和參數設置，并利用車載攝像頭采集真實道路車輛圖像，建立車輛樣本數據庫，訓練車輛分類器，實現對道路車輛的探測，并對探測效果進行量化分析。針對在車輛探測過程中誤檢率較高、探測不連續以及檢測框不穩定的現象，對基于無跡卡爾曼濾波器的車輛跟蹤算法進行了研究，建立了車輛相對運動模型，對真實道路交通場景中的多目標車輛進行探測與跟蹤，并對跟蹤算法對探測性能提升的效果和原因進行了深入分析。在單目測距中，針對一般測距算法受車輛俯仰角和攝像頭畸變影響很大的缺點，利用PreScan仿真軟件，對車輛測距算法進行了改進，提山了一個同時考慮車輛俯仰角和攝像頭畸變等參數的測距模型，以及一種將攝像頭內參與外參分開標定的新方法，最后利用場地實驗利真實道路交通場景對模型的測距精度、參數靈敏度進行量化分析。研究了僅利用圖像信息估算車輛間碰撞時間的方法，利用PreScan仿真軟件，對車輛碰撞時間估算算法進行了改進，建立了一個考慮車間相對加速度碰撞時間估算模型，最后，利用真實道路交通視頻對算法進行驗證和分析。最后，介紹了利用仿真軟件輔助ADAS開發的方法，在虛擬的開發環境中建立了以真實攝像頭物理參數為依據的攝像頭仿真模型、交通場景，實現了對單目測距和碰撞時間估算算法的驗證和改進。實驗結果表明，論文中所建立的算法表現出良好的性能，所構建的基于PreScan的仿真平臺能有效地提高算法的開發效率.
上傳時間： 2022-06-21
上傳用戶：d1997wayne
