通過MATLAB平臺建立一個GUI界面，接著對一組語音信號的輸入進(jìn)行預(yù)處理及端點(diǎn)檢測，提取特征參數(shù)（MFCC），形成參考模塊。然后再對一組相同的語音信號輸入進(jìn)行同樣的操作作為測試模塊，與參考模塊進(jìn)行DTW算法進(jìn)行匹配，輸出匹配后的識別結(jié)果。
標(biāo)簽： MATLAB 語音識別 算法設(shè)計
上傳時間： 2016-06-15
上傳用戶：sjr88
最小生成樹之kruskal算法。針對給定的無向帶權(quán)圖，kruskal算法構(gòu)造最小生成樹的思想：kruskal算法總共選擇n- 1條邊，（共n個點(diǎn)）所使用的貪心準(zhǔn)則是：從剩下的邊中選擇一條不會產(chǎn)生的環(huán)路具有最小耗費(fèi)的邊加入已選擇的邊的集合中。注意到所選取的邊若產(chǎn)生環(huán)路則不可能形成一棵生成樹。kruskal算法分e 步，其中e 是網(wǎng)絡(luò)中邊的數(shù)目。按耗費(fèi)遞增的順序來考慮這e 條邊，每次考慮一條邊。當(dāng)考慮某條邊時，若將其加入到已選邊的集合中會出現(xiàn)環(huán)路，則將其拋棄，否則，將它選入。
上傳時間： 2016-10-23
上傳用戶：jsw1010
K-Means算法是最古老也是應(yīng)用最廣泛的聚類算法，它使用質(zhì)心定義原型，質(zhì)心是一組點(diǎn)的均值，通常該算法用于n維連續(xù)空間中的對象。 K-Means算法流程 step1：選擇K個點(diǎn)作為初始質(zhì)心 step2：repeat 將每個點(diǎn)指派到最近的質(zhì)心，形成K個簇 重新計算每個簇的質(zhì)心 until 質(zhì)心不在變化 例如下圖的樣本集，初始選擇是三個質(zhì)心比較集中，但是迭代3次之后，質(zhì)心趨于穩(wěn)定，并將樣本集分為3部分 我們對每一個步驟都進(jìn)行分析 step1：選擇K個點(diǎn)作為初始質(zhì)心 這一步首先要知道K的值，也就是說K是手動設(shè)置的，而不是像EM算法那樣自動聚類成n個簇 其次，如何選擇初始質(zhì)心 最簡單的方式無異于，隨機(jī)選取質(zhì)心了，然后多次運(yùn)行，取效果最好的那個結(jié)果。這個方法，簡單但不見得有效，有很大的可能是得到局部最優(yōu)。 另一種復(fù)雜的方式是，隨機(jī)選取一個質(zhì)心，然后計算離這個質(zhì)心最遠(yuǎn)的樣本點(diǎn)，對于每個后繼質(zhì)心都選取已經(jīng)選取過的質(zhì)心的最遠(yuǎn)點(diǎn)。使用這種方式，可以確保質(zhì)心是隨機(jī)的，并且是散開的。 step2：repeat 將每個點(diǎn)指派到最近的質(zhì)心，形成K個簇 重新計算每個簇的質(zhì)心 until 質(zhì)心不在變化 如何定義最近的概念，對于歐式空間中的點(diǎn)，可以使用歐式空間，對于文檔可以用余弦相似性等等。對于給定的數(shù)據(jù)，可能適應(yīng)與多種合適的鄰近性度量。
標(biāo)簽： K-means Java 數(shù)據(jù)挖掘 聚類 算法
上傳時間： 2018-11-27
上傳用戶：1159474180
蟻群算法基本模型STEP1（外循環(huán)）若滿足算法停止規(guī)則，停止計算，輸出計算得到的最好解給定外循環(huán)的最大數(shù)目，表明有足夠的螞蟻工作當(dāng)前最優(yōu)解連續(xù)K次相同而停止，K是給定的整數(shù)，表示算法已收斂◆給定優(yōu)化問題的下界和誤差值，當(dāng)算法得到的目標(biāo)值同下界之差小于給定的誤差值時，算法終止否則使螞蟻s（1≤s≤m）從起點(diǎn)出發(fā)，用L（S）表示螞蟻S行走的城市集合，初始L（s）為空集。設(shè)m只螞蟻在圖的相鄰節(jié)點(diǎn)間移動，協(xié)作異步地得到解。螞蟻計算出下一步所有可達(dá)節(jié)點(diǎn)的一步轉(zhuǎn)移概率，并按此概率實(shí)現(xiàn)一步移動，依此往復(fù)。一步轉(zhuǎn)移概率由圖中每條邊上的兩類參數(shù)決定：信息素值、可見度（即先驗值）。信息素的更新有2種方式：揮發(fā)——所有路徑上信息素以一定比率減少增強(qiáng)——給評價值“好”（有螞蟻?zhàn)哌^）的邊增加信息素蟻群算法基木模型令我們以求解平面上n個城市的TSP問題（1，2，…，n）表示城市號為例說明ACA的模型。n個城市的TSP問題就是尋找通過n個城市各次且最后回到出發(fā)點(diǎn)的最短路徑蟻群算法研究現(xiàn)狀令A(yù)CA是模擬自然界中真實(shí)蟻群的覓食行為而形成的一種模擬進(jìn)化算法。10年多來的研究結(jié)果已經(jīng)表明：ACA用于組合優(yōu)化具有很強(qiáng)的發(fā)現(xiàn)較好解的能力，具有分布式計算易于與其他方法相結(jié)合、魯棒性強(qiáng)等優(yōu)點(diǎn)，在動態(tài)環(huán)境下也表現(xiàn)出高度的靈活性和健壯性。在求解TSP、QAP問題方面，與遺傳算法、模擬退火算法等算法比較，ACA仍是最好的解決方法之一。
標(biāo)簽： 螞蟻算法
上傳時間： 2022-03-10
上傳用戶：
隨著 Internet日益廣泛的應(yīng)用，其規(guī)模也越來越大，通信流量也迅速增長，這就迫使其傳輸平臺向更高的通信帶寬方向發(fā)展，因此，建設(shè)高速度，高寬帶的骨干網(wǎng)就顯得十分必要合理高效的路由選擇方式不僅可以保障全網(wǎng)的正常運(yùn)行，還能夠提高網(wǎng)絡(luò)的接通率，而將 Internet網(wǎng)的接通率提高，既可以盡量避免交換機(jī)不堪重負(fù)甚至崩潰的情況，又能降低網(wǎng)絡(luò)的運(yùn)營成本。提高網(wǎng)絡(luò)的接通率相當(dāng)大的程度上依賴于路由選擇策略的改變，因此，TCP/IP網(wǎng)的動態(tài)路由選擇問題變得越來越重要。螞蟻算法能夠有效地選擇一條最優(yōu)路徑，但忽視了實(shí)際網(wǎng)絡(luò)中的另外一個問題：最優(yōu)路徑一旦形成，所有的數(shù)據(jù)都從最優(yōu)路徑傳輸，這樣一來，處于該路徑上的路由器，尤其是在骨干網(wǎng)絡(luò)中心節(jié)點(diǎn)（即多條路徑交匯處）的路由器將承受巨大的數(shù)據(jù)傳輸量，因而很容易造成“瓶頸”現(xiàn)象目前采用的一個辦法是在骨干網(wǎng)絡(luò)中心節(jié)點(diǎn)處設(shè)置交換容量達(dá)到或超過千兆比特級的，具有高密度高速端口的核心路由器來擴(kuò)展帶寬和提高數(shù)據(jù)傳送速度以達(dá)到解決骨干網(wǎng)絡(luò)中心節(jié)點(diǎn)處的數(shù)據(jù)擁塞的目的，但這樣大大提高了網(wǎng)絡(luò)成本，并且無法解決最優(yōu)路徑上非核心路由器（又名接入路由器）上的數(shù)據(jù)擁塞問題。根據(jù)上述問題，本文提出一種對螞蟻算法的改進(jìn)方法一基于核心路由器的螞蟻算法：在骨干網(wǎng)絡(luò)的各核心路由器上相互發(fā)送螞蟻尋找各核心路由器之間的最優(yōu)路徑，這樣可比傳統(tǒng)螞蟻算法通過讓“螞蟻”周游整個網(wǎng)絡(luò)后來尋找最優(yōu)路徑要快很多方面，該算法通過對最優(yōu)路徑上，在各個核心路由器之間的非核心路由器設(shè)置上下限兩個闊值。當(dāng)某個非核心路由器A上的數(shù)據(jù)流量達(dá)到上限闕值時表明該路由器即將處于擁塞，這時，它鄰近的核心路由器將A看成是一個“障礙物”，利用螞蟻算法能夠繞過障研物尋找最優(yōu)路徑的特點(diǎn)，可以在這兩個核心路由器之間重新尋找一條不包括路由器A在內(nèi)的“次優(yōu)”路徑，這樣后續(xù)的數(shù)據(jù)將從“次優(yōu)”路徑傳輸以達(dá)到對A路由器進(jìn)行分流，經(jīng)過一段時間分流后，當(dāng)數(shù)據(jù)流量下降到下限綢值時，就可以重新啟動原最優(yōu)路徑，從而達(dá)到了既分流又采用最優(yōu)路徑傳輸?shù)哪康?/p>
標(biāo)簽： 螞蟻算法
上傳時間： 2022-03-10
上傳用戶：
matlab數(shù)學(xué)建模算法全收錄 超清書簽版
標(biāo)簽： matlab 數(shù)學(xué)建模 收錄 算法
上傳時間： 2013-05-15
上傳用戶：eeworm
視頻圖像格式轉(zhuǎn)換芯片的算法研究
標(biāo)簽： 視頻圖像 格式轉(zhuǎn)換 芯片 算法研究
上傳時間： 2013-05-25
上傳用戶：eeworm
精通：VISUAL C++指紋模式識別系統(tǒng)算法及實(shí)現(xiàn)_0
上傳時間： 2013-06-01
上傳用戶：eeworm
VISUAL+C++指紋模式識別系統(tǒng)算法及實(shí)現(xiàn)_0
上傳時間： 2013-04-15
上傳用戶：eeworm
VISUAL+C++指紋模式識別系統(tǒng)算法及實(shí)現(xiàn)_0
上傳時間： 2013-05-29
上傳用戶：eeworm
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
