搜索资源列表
压力测试程序
- StressMark测试软件是一个使用Visual C++编写的，开放源代码的测试工具，可以完成服务程序及重要算法的功能和性能测试，其最主要的功能是模拟多线程或多客户端的自动化压力测试。-StressMark test software is a prepared using Visual C, the open-source testing tools, procedures and services to complete the important functions of the alg
mRMRFeatureSelection
- mRMR_0.9_compiled最小冗余和最大相关特征选取源代码，-This package is the mRMR (minimum-redundancy maximum-relevancy) feature selection method, whose better performance over the conventional top-ranking method has been demonstrated on a number of data sets in recent pu
105359_1148
- 为了测试评估贝叶斯分类器的性能,用不同数据集进行对比实验是必不可少的. -In order to test the assessment of the performance of Bayesian classifier, and compare different experimental data sets is essential.
3-5LDPC
- 3-5循环移位码是LDPC码准循环码中一种典型的构造校验矩阵的方法，较小的（155 64）码通常也是对比测试其他码的性能好坏的重要测试标准，程序详细描述了构造的步骤和方法，结果是采用AList的结果存储方法，译码性能可以由BP迭代译码直接得出-3-5 cyclic shift LDPC codes are quasi-cyclic codes in the code structure of a typical calibration matrix method, the smaller (15
weaklearn
- adaboost算法的源码，提供了训练，测试，剖析，评价等功能-This software is a Library for Adaptive Boosting. It provides a generic framework for the study of the Boosting algorithms. The framework provides the different tasks for boosting: Learning, Validation, Test, Pro
DeJong
- matlab平台下的测试函数DeJong，对于用来测试粒子群、遗传等智能算法的性能非常有用-matlab platform test function DeJong, used to test for the PSO, the performance of genetic algorithms and other useful intelligence
MATLAB-based-BP-network-design
- 利用Matlab6.5神经网络工具箱，以一组动态冲击实验数据为例建立网络模型。实验数据共有13组，将其中对曲线形状有关键性影响的10组数据作为网络的训练数据，另外3组作为测试数据用以验证网络的预测性能。- Use Matlab6.5 Neural Network Toolbox, a dynamic impact test data, for example the establishment of the network model. Experimental data, a total
The-SPSO-testingprocedure
- 基本的粒子群程序，测试四个标准测试函数，画出收敛曲线，验证算法的寻优性能-The basic particle swarm procedure, testing four standard test functions, draw the convergence curve, verify the performance of algorithm optimization
ANN-BP
- 对“data2.m”数据，用其中一半的数据采用ANN-BP算法设计分类器，另一半数据用于测试分类器性能。-The "data2.m" data, which half of the data using the ANN-BP algorithm design classifiers, the other half of the data used to test the classifier performance.
SVM_Nonlinear3
- 对“data3.m”数据，用其中一半的数据采用非线性SVM算法设计分类器并画出决策面，另一半数据用于测试分类器性能。采用三套核函数，并且比较不同核函数的结果。-To "data3.m" data, which half of the data using nonlinear SVM classification algorithm design and draw the decision-making surface, the other half of the data used to tes
GA
- 遗传算法优化测试函数，测试优化算法的性能-The genetic algorithm optimization test functions, test to optimize the performance of the algorithm
BP
- 对“data2.m”数据，用其中一半的数据采用ANN-BP算法设计分类器，另一半数据用于测试分类器性能。-The " data2.m" data, which half of the data using the ANN-BP algorithm design classifiers, the other half of the data used to test the classifier performance.
onTextCategorization
- 本文比较研究了在中文文本分类中特征选取方法对分类效果的影响。考察了文档频率DF、信息增 益IG、互信息MI、V2分布CHI 四种不同的特征选取方法。采用支持向量机(SVM) 和KNN两种不同的分类 器以考察不同抽取方法的有效性。实验结果表明, 在英文文本分类中表现良好的特征抽取方法( IG、MI 和 CHI)在不加修正的情况下并不适合中文文本分类。文中从理论上分析了产生差异的原因, 并分析了可能的 矫正方法包括采用超大规模训练语料和采用组合的特征抽取方法。最后通过实验验证组合特征
fd-an-dreginition
- 人脸识别的可执行程序,插上摄像头即可测试程序效果,可实时测试出区域内人脸的数量和距离.不下载肯定会后悔一辈子.不要错过.-Recognition of the executable program, plug in the camera to test the program' s performance, real-time test a number of regional wife face and distance. Download will certainly regret i
shaffer
- 在实现基本DNA进化算法的基础上，提出对于概率取值使用自适应策略，最后利用模拟退火算法良好的局部寻优功能和DNA进化算法结合，通过对测试函数的测试，证明改进后的算法性能很好-Achieve basic DNA evolutionary algorithm based on the use of adaptive strategy proposed for the probability value, the final use of the simulated annealing algorit
Extreme-nonlinear-function
- 用函数输入输出数据训练BP神经网络,使训练后的网络能够拟合非线性函数输出,保存训 练好的网络用于计算个体适应度值。根据非线性函数方程随机得到该函数的4000组输入输出数据,存储于data中,其中input为函数输入数据,output为函数对应输出数据,从中随机抽取3900组训练数据训练网络,100组测试数据测试网络拟合性能。最后保存训练好的网络。-With the function input and output data to train BP neural network, so th
CEC2005
- CEC2005测试源代码，可测试优化算法的性能，单峰，多峰，混合函数。-CEC2005 test source code, you can test the performance of optimization algorithms, unimodal, multimodal, mixed function.
identification-of-linear-system
- 线性网络在线性系统辩识中的应用。 1 网络设计 2 网络性能检验-Linear Network Online Application System Identification. 1 Network Design 2 Network performance test
emd-method
- 经验模态分解(EMD Empirical Mode Decomposition )算法是Hilbert-Huang变换(HHT)的核心算法。经验模态分解(EMD)算法是通过算法过程定义的，而并非由确定的理论公式定义的，所以对其进行准确的理论分析非常困难，我们目前只能借助大量的数字仿真试验不断对其性能进行深入的研究。 EMD算法的目的在于将性能不好的信号分解为一组性能较好的本征模函数（IMFIntrinsic Mode Function ），且IMF须满足以下两个性质： (1)信号的极值点(极
PICEAgMATLAB
- PICEA-g是一种有效智能多目标优化算法，算法性能，特别是在高维多目标优化问题上，优于传统的NSGA-II以及MOEA/D算法。并且算法无需额外的参数设置，简单易用。 -PICEA-g is a competitive multi/many-objective optimizer. Its performance is better or comparable to the state-of-the-art algorithms such as NSGA-II and MOEA/D on