用vc++開發(fā)的圖像分類，包括聚類分析，模糊聚類，遺傳算法聚類等。有界面，代碼！
上傳時間： 2016-04-26
上傳用戶：caixiaoxu26
其中有五個程序，詳細(xì)地說明了五種基于模糊數(shù)據(jù)的模糊聚類的方法與實現(xiàn)步驟。其中五種程序分別來自五個權(quán)威外文論文
標(biāo)簽： 程序
上傳時間： 2017-01-10
上傳用戶：lhw888
這個程序簡單實用，提供以模糊聚類程序供您使用
上傳時間： 2013-12-13
上傳用戶：縹緲
實現(xiàn)數(shù)據(jù)挖掘的幾個算法，包括模糊聚類，K均值，以及K近鄰等聚類算法
標(biāo)簽： 數(shù)據(jù)挖掘 算法
上傳時間： 2013-12-28
上傳用戶：CHINA526
FCM實現(xiàn)，F(xiàn)CM中的可以用在模糊聚類的圖像分割當(dāng)中
標(biāo)簽： FCM
上傳時間： 2013-12-31
上傳用戶：zm7516678
數(shù)據(jù)挖掘算法的實現(xiàn)，基于模糊聚類的最大樹算法，數(shù)據(jù)集是darpa99,也就是KDD-CUP99中采用的數(shù)據(jù)集
標(biāo)簽： 數(shù)據(jù)挖掘算法
上傳時間： 2013-12-14
上傳用戶：1109003457
壓縮包里面有四個函數(shù)，實現(xiàn)了常用的幾種模糊聚類方法，附有較詳細(xì)的注釋
標(biāo)簽： 函數(shù)
上傳時間： 2017-08-10
上傳用戶：haoxiyizhong
1.針對一類參數(shù)未知的非線性離散時間動態(tài)系統(tǒng)，提出了一種新的基于神經(jīng)網(wǎng)絡(luò)的MMAC方法。首先，將系統(tǒng)分為線性部分和非線性部分。針對系統(tǒng)線性部分采用局部化方法逮立多個固定模型覆蓋系統(tǒng)的參數(shù)范圍，在此基礎(chǔ)上，建立自適應(yīng)模型來提高系統(tǒng)性能；針對系統(tǒng)非線性部分建立非線性神經(jīng)網(wǎng)絡(luò)預(yù)測模型來邏近系統(tǒng)的非線性。然后，針對每個子模型設(shè)計相應(yīng)的擅制器。最后，設(shè)計基于誤差范數(shù)形式的性能指標(biāo)函數(shù)對控制器進行硬切換。仿真結(jié)果表明，所提出的MMAC方法與傳統(tǒng)的在參數(shù)空間均勻分布的MMAC方法相比能顯著提高非線性系統(tǒng)的暫態(tài)性能。2針對一類具有參數(shù)跳變的非線性離散時間動態(tài)系統(tǒng)，提出子一種基才聚類方法和神經(jīng)網(wǎng)絡(luò)的MMAC方法，首先，采用模糊c均值聚類算法對系統(tǒng)先驗數(shù)據(jù)進行分類處理，再分別對每類數(shù)據(jù)采用RLS算法建立多個固定模型。在此基礎(chǔ)上，建立兩個白適應(yīng)模型來提高系統(tǒng)響應(yīng)速度和控制品質(zhì)，建立神經(jīng)網(wǎng)絡(luò)預(yù)測模型來補償系統(tǒng)非線性。然后，分別針對相應(yīng)的子模型設(shè)計線性魯棒自適應(yīng)控制器和神經(jīng)網(wǎng)絡(luò)控制器。最后，采用基于信號有界和測量誤差的性能切換指標(biāo)對控制器進行切換，并證明閉環(huán)系統(tǒng)的穩(wěn)定性。仿真結(jié)果表明，所提出的算法能更好地解決非線性系統(tǒng)發(fā)生參數(shù)跳變問題，使得系統(tǒng)具有良好的控制品質(zhì)3.針對MMAC方法中的模型庫優(yōu)化問題，考慮系統(tǒng)實際運行數(shù)據(jù)，提出了種基于相似度準(zhǔn)則和設(shè)置最大模型數(shù)的動態(tài)優(yōu)化模型庫方法。該方法能對新數(shù)據(jù)進行綜合考量并判斷是否應(yīng)該將該數(shù)據(jù)納入子模型建模，并通過設(shè)置最大模型數(shù)來確保系統(tǒng)用最少的子模型就能保證系統(tǒng)的控制性能。仿真結(jié)果表明，所提出的算法能極大地減少子模型數(shù)量且具有較好的控制效果。關(guān)鍵詞：非線性系統(tǒng)；多模型方法；自適應(yīng)控制；模糊聚類；神經(jīng)網(wǎng)絡(luò)
標(biāo)簽： 自適應(yīng)控制
上傳時間： 2022-03-11
上傳用戶：
本書全面而系統(tǒng)地介紹了 MATLAB 算法和案例應(yīng)用，涉及面廣，從基本操作到高級算法應(yīng)用，幾乎 涵蓋 MATLAB 算法的所有重要知識。本書結(jié)合算法理論和流程，通過大量案例，詳解算法代碼，解決具 體的工程案例，讓讀者更加深入地學(xué)習(xí)和掌握各種算法在不同案例中的應(yīng)用。 本書共 32 章。涵蓋的內(nèi)容有 MATLAB 基礎(chǔ)知識、GUI 應(yīng)用及數(shù)值分析、MATALB 工程應(yīng)用實例、 GM 應(yīng)用分析、PLS 應(yīng)用分析、ES 應(yīng)用分析、MARKOV 應(yīng)用分析、AHP 應(yīng)用分析、DWRR 應(yīng)用分析、 模糊逼近算法、模糊 RBF 網(wǎng)絡(luò)、基于 FCEM 的 TRIZ 評價、基于 PSO 的尋優(yōu)計算、基于 PSO 的機構(gòu)優(yōu) 化、基本 PSO 的改進策略、基于 GA 的尋優(yōu)計算、基于 GA 的 TSP 求解、基于 Hopfield 的 TSP 求解、基 于 ACO 的 TSP 求解、基于 SA 的 PSO 算法、基于 kalman 的 PID 控制、基于 SOA 的尋優(yōu)計算、基于 Bayes 的數(shù)據(jù)預(yù)測、基于 SOA 的 PID 參數(shù)整定、基于 BP 的人臉方向預(yù)測、基于 Hopfield 的數(shù)字識別、基于 DEA 的投入產(chǎn)出分析、基于 BP 的數(shù)據(jù)分類、基于 SOM 的數(shù)據(jù)分類、基于人工免疫 PSO 的聚類算法、 模糊聚類分析和基于 GA_BP 的抗糖化活性研究。 本書適合所有想全面學(xué)習(xí) MATALB 優(yōu)化算法的人員閱讀，也適合各種使用 MATALB 進行開發(fā)的工 程技術(shù)人員閱讀。對于相關(guān)高校的教學(xué)與研究，本書也是不可或缺的參考書。另外，對于 MATLAB 愛好 者，本書也對網(wǎng)絡(luò)上討論的大部分疑難問題給出了解答，值得一讀。
上傳時間： 2022-07-26
上傳用戶：
模糊C-均值聚類算法是一種無監(jiān)督圖像分割技術(shù)，但存在著初始隸屬度矩陣隨機選取的影響，可能收斂到局部最優(yōu)解的缺點。提出了一種粒子群優(yōu)化與模糊C-均值聚類相結(jié)合的圖像分割算法，根據(jù)粒子群優(yōu)化算法強大的全局搜索能力，有效地避免了傳統(tǒng)的FCM對隨機初始值的敏感，容易陷入局部最優(yōu)的缺點。實驗表明，該算法加快了收斂速度，提高了圖像的分割精度。
上傳時間： 2013-10-25
上傳用戶：llandlu
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
