资源列表
Optimizationandapplicationprocedures
- 最优化计算是工程设计和管理决策科学的常用工具。本书包括无约束优化计算、约 束优化计算、动态优化计算三部分。书中详细介绍了它们的算法原理和计算步骤。本书 强调算法的程序设计，为读者提供了颇有价值的经验和技巧，并对一些公用模块给出了 源程序。
pso
- 在理解粒子群算法（PSO）前提下，在VC++6.0开发环境下编写PSO程序。这对PSO的初学者加深PSO算法理解，对需要PSO作优化问题的可以在源码基础上加以修改，从而加速程序开发
LZWTextCompression
- 利用java语言，编写了压缩和解压程序，实现了对文本的压缩和解压。并且对字典的结构进行了改进，使用了两个字段来表示，减小了内存的使用，和运行时间。
shangzai
- 文件包含三个子文件：dec.m,test_dec.m,recon.m dec.m文件使用MATLAB语言自己动手编写小波分解算法； test_dec.m使用MATLAB语言测试dec.m文件中自己编写的小波Mallat分解算法正确性 recon.m使用MATLAB语言自己动手编写Mallat重构算法 函数使用MATLAB语言，没有调用MATLAB小波分解函数，而是自己动手编写的小波Mallat算法对含噪声的信号进行分解、重构；这对对小波分解的初学者，加深对小波分解有着引导作用。
HandwrittenDigitRecognitionBasedOnBPNeuralNetwork.
- 详细说明了如何实现基于bp神经网络的手写数字识别。神经网络对于参数的设置是敏感的，尤其是隐藏层的单元个数，本文列出了一系列bp神经网络的应用的参数设置。结果表明，可以实现较好的模式识别功能
Cspline
- 这是一个三次样条插值的.m程序 输入的是一个二维数组A(Nx2) 插值方法为: S(x) = A(J) + B(J)*( x - x(J) ) + C(J)*( x - x(J) )**2 +D(J) * ( x - x(J) )**3 for x(J) <= x < x(J + 1)
HandwrittenDigitRecognitionBasedOnBPNeuralNetwork.
- BP神经网络，是利用人工智能的方法，训练权值，建立模式识别的模型。本程序，采用三层神经网络，对隐层的节点个数使用经验公式，对其他的参数设置也进行了优化，实现了手写数字的识别，
M_file
- 量子遗传算法MATLAB源代码，内含多个子文件，测试时运行main文件即可
matlab
- matlab程序百例，入门的好的简单例子。
duoxiaongshinihelizi
- 多项式拟合的一个小例子，入门级的。好懂。
tonglunyantuosuanfa
- 同伦延拓算法 tonglunyantuosuanfa 小例子
GAdanmuy=2x
- 遗传算法单目y=2x.doc GA 遗传算法单目y=2x