搜索资源列表
384834843834834834
- 金融交易市场价格波动数值预测研究发展战略的思考,金融安全关系到国家经济发展、社会稳定、国防巩固，是国家安全的重要组成内容。在当前国际经济、金融一体化发展趋势中，金融交易市场安全的重要性尤为突出。特别是不断出现的金融风暴的影响和日益显著的金融交易市场波动的全球化趋势已使预测并控制大的金融风险成为各国政府和金融机构严重关注的问题，并且这个问题正在变得日益严峻-financial transactions to market price fluctuations numerical predictio
CDAPSO
- 一种新的随机优化技术:基于群落动态分配的粒子群优化算法(Community Dynamic Assignation-based Particle Swarm Optimization,CDAPSO)。新算法通过动态改变粒子群体的组织结构和分配特征来维持寻优过程中启发信息的多样性,从而使其全局收搜索能力得到了显著提高,并且能够有效避免早熟收敛问题。-a new stochastic optimization techniques : Community-based dynamic allocat
以K－均值聚类结果为初始解的模拟退火聚类
- 由于K－均值聚类算法局部最优的特点，而模拟退火算法理论上具有全局最优的特点。因此，用模拟退火算法对聚类进行了改进。20组聚类仿真表明，平均每次对K结果值改进8次左右，效果显著。下一步工作：实际上在高温区随机生成邻域是个组合爆炸问题（见本人上载软件‘k－均值聚类算法’所述），高温跳出局部解的概率几乎为0，因此正考虑采用凸包约束进行模拟聚类，相关工作正在进行。很快将奉献给各位朋友。-as K-means clustering algorithm for optimal local character
RVM_matlabToolBox
- 相关向量机(RVM)的matlab源程序，包含快速算法，内含代码使用说明。 RVM采取是与支持向量机相同的函数形式稀疏概率模型，对未知函数进行预测或分类。 优点： (1) 不仅仅输出预测目标量的点估计值,还可以输出预测值的分布. (2) 使用更少数量的支持向量,从而显著减少输出目标量预测值的计算时间. (3) RVM不需要估计过多的参数. (4) RVM对是否满足Mercer 定理的核函数没有限制,适应性更好. -Relevance Vector Ma
gaReal
- 遗传算法实数编码求解 [Delphi] 效果显著-Real-coded genetic algorithm for solving [Delphi] the effect of significantly
ganziqifenlei
- 采用神经网络感知器算法对给定的两类样本进行分类,效果显著!-Perceptron neural network algorithm for a given two types of samples for classification, a significant!
SupportVectorMachinesClassifierBasedonModifyingKer
- 以黎曼几何为理论依据，基于S.Amari的修正核函数思想提出了两种新的保角变换，用其对核函数进行数据依赖性改进，进一步提高支持向量机分类器泛化能力。以人工非线性分类问题 为对象进行研究，仿真实验结果表明采用新保角映射可以快速显著地改善分类器泛化性能，而且能大幅度地减少支持向量的数目。-Two novel conformal transformations were proposed based on the Riemannian geometry theory and S.Amari’sid
the_application_of_Boosting
- 集成 学 习 算法通过训练多个弱学习算法并将其结论进行合成，可以显著地提 高学习系统的泛化能力。Boosting算法作为集成学习算法的主要代表算法，得到 了广泛的研究和应用，但其研究成果大部分都集中的分类问题上。-Integrated learning algorithm through the training of more than a weak learning algorithm and its conclusions synthesis, can significantly
gbvs
- 基于图论的图片显著性分析算法。详细可参见NIPS08 paper: a graph-based saliency-Based on graph theory image analysis algorithm significantly. Details can be found NIPS08 paper: a graph-based saliency
ann3
- 神经网络求权重源码，输入多个自变量和一个因变量，可以得到与因变量关系显著的几个自变量。-Weight neural network source code request, enter the number of independent variables and a dependent variable, can be a significant relationship with the dependent variable, several independent variables.
LMS-code
- 给出一种LMS算法，即最小均方算法，采用一种特殊的梯度估值，它的显著特点是它的简单性，不需要计算相关函数，也不需要矩阵求逆运算。-Gives a LMS algorithm, least mean square algorithm, using a special gradient estimates, and its distinctive feature is its simplicity, need not calculate the correlation function, does
Apriori
- 理想的apriori算法，实现优良，效果显著，可以放心的下载-Ideal apriori algorithm to achieve good results are obvious, you can rest assured that the download
duoboluyou
- 针对通信网络中多重QoS约束条件下的多播路由计算，提出了一个基于模拟退火技术的改进遗传算法HGA-QoSR。该算法把模拟退火技术的局部寻优能力与遗传算法的全局寻优能力有机结合，并利用隔离小生境机制控制种群的独立进化，使演化过程中的种群保持生态多样性，以提高算法运行效率和解的质量。理论分析和仿真实验表明，与传统遗传算法相比较，该算法性能有显著改进。 -Communication networks for multi-QoS Constrained multicast routing calcula
elm
- 极限学习机[1](Extreme Learning Machine, ELM)是在单隐层神经网络(Single hidden Layer Feed-forward Neural networks, SLFNs)基础上提出的一种高效的学习方法。不同于传统的神经网络， ELM 中所有的隐层参数均为随机产生，而不需要烦琐的迭代过程；其输出权值则通过求解矩阵的广义逆得到。因此，相较于传统的SLFNs，在保证学习性能的基础上，ELM 的训练速度得以显著提升。-Extreme Learning Ma
BMS
- 显著性分析BMS算法, 这是一个简单有效的例子 在windows上个正常编译通过，在linux下未试验-Significant analysis BMS code
GSO2
- 使用改进群搜索算法对种群进行优化，运用在电力系统中效果显著。-Using improved search algorithm to optimize a population group, used in power system.
Two-rigid-Link-Dynamics
- 刚性两杆机构的动力学程序，为机器人动力学建模以及控制打下基础，与很多方法不同的是，这里采用龙格库塔法，显著提高运算精度-Rigid body dynamics program two shots for robot dynamics modeling and control of the foundation, with a lot of different methods is used here Runge-Kutta method, significantly improving oper
2dof-rigidBody
- 自由漂浮空间机器人动力学程序，采用龙格库塔法显著提高运算速度与运算精度，为后续控制打基础-Free-floating space robot dynamics program, using Runge-Kutta method significantly improve the speed of operation and operational precision, laying the foundation for the subsequent control
BaseFixed_Dynamic_Old
- 双臂空间机器人闭链动力学建模程序，采用龙格库塔法显著提高运算精度与运算速度，解决了闭链内力分配与闭环建模的难题-Arm Space Robot closed chain dynamics modeling program, using Runge-Kutta method significantly improve the accuracy and computational speed operation to solve the internal force distribution and
images
- 显著性对象监测数据集，gt为ground_truth_mask(a dataset for saliency detction which has its gt named ground_truth_mask)