搜索资源列表
Research-on-Optimization
- 介绍了基于模型的位姿估计中所使用的一些优化方法。为了提高位姿估计的精度, 摄像机的标定参数必须足够精确, 这就对标定过程的非线性优化算法提出了很高的要求, 采用了一种新的优化目标函数, 用来最小化控制点间的三维重建误 差, 从而使标定参数是全局最优 在双像机位姿估计中, 引入了实时遗传算法进行全局搜索, 加快了算法的收敛速度。最后的 实验证明了这些方法的正确性并显示出这些方法在精度上比传统方法有了较大程度的提高- It int roduces s ome opt imizat ion
Design-and-Real-ization
- 在优化粒子滤波跟踪框架下, 设计并实现了一个结合多种图像特征、在多摄像机环境下跟踪人体运动的三 维人体运动跟踪系统1 通过定义三维人体模型、摄像机模型以及观测似然模型, 得到跟踪所需目标函数, 并使用优化 粒子滤波算法进行求解1 实验结果表明, 该系统能够对人体运动进行准确的跟踪和三维重建, 可应用于体育运动分 析和动画制作等领域1-A v ideo-based 3D human body motion t racking system is developed under the
wzrh
- (1)针对在线计算量大这一缺陷，将预测控制中的柔化输出信号的思想推广到柔化输入信号，使得约束条件被简化为仅对当前控制量的约束，可以直接计算得出；同时该方法避免了求逆矩阵，大大减小了计算量，并能够保证控制算法的可行性和良好的控制性能。 (2)针对传统算法中设计参数整定困难这一缺点，应用基于BP神经网络变参数设计的广义预测控制算法，实现了对控制量柔化参数的在线调整。 (3)利用带有遗忘因子的最小二乘法对系统辨识。本文通过仿真发现该方法对于Hénon混沌系统并不完全适用，可考虑利用其他优化系统
MATLABchengxusheji
- 阐述了粒子群算法的基本原理,探讨了在MATLAB环境中实现粒子群算法的编程方法,构建粒子群算法工具箱函数,通过仿真示例验证了该方法的有效性,表明它能够对函数进行全局优化。-Expounded the basic principles of particle swarm optimization to explore particle swarm algorithm in MATLAB programming method to construct the particle swarm optim
Extremal-Optimization3
- 极值优化论文3：极值优化算法综述.极值优化( EO) 算法是新开发的一种启发式算法,其基本思想是更新适值最差的变量,提高目标函数的适 值.-Global optimization Paper 3: Summary of global optimization algorithm Extremal Optimization (EO) algorithm is a heuristic algorithm for the newly developed, the basic idea is to
Extremal-Optimization4
- 极值优化论文4：极值优化算法研究.极值优化算法是一种新的、通用的启发式优化方法。其基本思想是更新适值最差的变量,提高目标函数的适值。 -Global optimization Paper 4: extremal optimization algorithm study. Global optimization algorithm is a new the common heuristic optimization method. The basic idea is to update coi
Genetic-Algorithm-for-Function-Max
- 遗传算法求解函数最大值,本文将用一个详细的例子来说明用遗传算法解一个简单参数优化问题的过程。这里求解的是一个函数的最大值的问题。-Genetic algorithm function maximum, this article will use an example to illustrate in detail the genetic algorithm for solving the problem with a simple parameter optimization process.
BP-neural-network
- BP网络模型处理信息的基本原理 BP神经网络模型.节点输出模型,作用函数模型,误差计算模型,自学习模型 缺陷分析及优化策略 实现神经网络的BP算法源码及注释-BP neural network model of the basic principles of processing information BP neural network model output node model, the role of function model, error calculation mo
Dynamic-frame-slot-ALOHA-algorithm
- 动态帧时隙ALOSH算法在标签数增加过多的情况下，所需时隙数增长过快；而由于硬件限制，时隙数不能无限增长。为改进此不足，可从以下三个步骤优化算法。首先根据hash函数进行时隙分配，将标签分配到 不同的时隙；其次根据三维估计方法估计标签数，为下一周期调整帧长做准备；最后根据估计到的标签数调整帧长，当帧长为标签数的1.7倍时，识别效果最好。实验结果表明，标签数相同的情况下，本算法所用的时隙数最少。-Dynamic frame slot ALOSH algorithm to increase th
matlab
- 该程序是遗传算法优化BP神经网络函数极值寻优-The program is a genetic algorithm to optimize BP neural network function optimization extreme
complementary-
- 基于凝聚函数的电力系统无功互补优化模型与算法-Reactive power optimization model and algorithm based on the complementary power system functions cohesion
yiqunsuanfa-cPP
- 蚁群优化算法的C++程序 根据具体的要求改变参数和目标函数就能用 -Ant colony optimization algorithm C++ program change parameters and objective function can be used according to specific requirements
yichuansuanfa
- 遗传算法（Genetic Algorithm，GA）是通过对自然界中生物的遗传和优胜劣汰的进化过程进行模拟与抽象，进而形成的一种自适应全局随机优化搜索方法。遗传算法只需提供目标函数作为寻优信息，它从某一随机生成的初始群体出发，经过选择、交叉和变异等遗传操作后对个体进行适应度评价，保留适应度较强的个体遗传到子代种群中，经过多次的迭代计算求得最优个体，即问题的最优解。本程序采用遗传算法可求解微网优化运行。-Genetic Algorithm is an adaptive global by natu
firefly_simple
- 萤火虫算法（Firefly Algorithm）是一种启发式算法，灵感来自于萤火虫闪烁的行为。萤火虫的闪光，其主要目的是作为一个信号系统，以吸引其他的萤火虫。剑桥大学的Xin-She Yang（音译：杨新社）教授提出了萤火虫算法，其假设为[1]： 萤火虫不分性别，这样一个萤火虫将会吸引到所有其他的萤火虫 吸引力与它们的亮度成正比，对于任何两个萤火虫，不那么明亮的萤火虫被吸引，因此移动到更亮的一个，然而，亮度又随着其距离的增加而减少 如果没有比一个给定的萤火虫更亮的萤火虫，它
Robust-Beamforming-via-Semidefinite
- 现有的向量加权稳健波束形成方法只有在指向误差较小的情况下才能有效估计目标的信号功率；矩阵加权波束形成方法在指向误差较大时，虽然可以估计目标的信号功率，但是它的系统实现复杂度与向量加权稳健波束形 成方法相比较大。针对以上问题，该文提出基于半正定秩松弛(SDR)方法的稳健波束形成，该方法优化模型中的目标函数与Capon 算法的目标函数相同，优化变量为加权向量的协方差矩阵，并约束方向图的主瓣幅度波动范围、旁瓣电平，协方差矩阵的秩为1。-The existing vector weighted ro
An-efficient-augmented-
- 基于经典的增广拉格朗日乘子法, 对求解一类带有特定结构（主要是针对凸规划）的非光滑等式约束优化问题, 我们提出、分析并测试了一个新算法. 在极小化增广拉格朗日函数的每一步迭代中, 该算法有效结合了带有非单调线性搜索的交替方向技术, 我们建立了算法的收敛性, 并用它来求解在带有全变差正则化的图像恢复问题.-Based on the classic augmented Lagrangian multiplier method, we propose, analyze and test an algo
chapter3
- 遗传算法、粒子群算法优化BP神经网络-非线性函数拟合-Genetic algorithm and particle swarm optimization for BP neural network nonlinear function fitting
Image-filter.tar
- 提出了一种基于改进 BP 神经网络和粒子群优化算法( PSO) 的图像滤波方法 。该方法利用双曲正切形式 的误差函数代替 BP 神经网络传统的最小均方误差函数( LMS),并将改进后的 BP 神经网络利用 PSO 算法优 化,用来减小图像噪声对神经网络精度的影响以及避免神经网络陷入局部极小值点,从而提高神经网络去噪能 力。实验结果表明,与传统滤波方法相比,该方法不仅能有效地滤除图像中的高斯噪声而且能很好地保护图像 细节 。- U63D0 u51FA u4E86 u4E00