搜索资源列表
MOGOA
- 多目标蝗虫优化算法源代码,benchmark函数优化，测试效果好。(Multi-objective Grasshopper Optimization Algorithm (MOGOA) source codes)
BCCSA
- 多目标CSA优化算法（mocsa）的源代码，用于benchmark函数优化，测试通过，效果好(This demo implements chaotic CSA as feature selection aglorithm)
lfm
- 重叠社区发现LFM算法，基于python实现，导入的文件是lfr基准测试网络，里面写了检测指标，文件可更改，算法通过网络邻接矩阵来实现社区划分(The overlapping community found the LFM algorithm, based on the python implementation, the imported document is the LFR benchmark network, in which the detection index is written
经典函数
- 经典的测试函数，可用于算法的测试，对比算法的性能，具有很大的作用。(The classic test function can be used for algorithm testing, and it has a great effect in comparing the performance of the algorithm.)
KCF
- This package includes a C++ class with several tracking methods based on the Kernelized Correlation Filter (KCF) [1, 2]. It also includes an executable to interface with the VOT benchmark.
eetop.cn_ISCAS89(verilog)
- ISCAS89测试基准电路，verilog编写，可用于测试向量的生成(iscas89 benchmark, written in verilog language, can be used to generate test pattern)
squeezeDet-master
- 一种应用于目标检测中同时满足上述所有约束条件的全卷积神经网络结构。在我们的网络中，使用卷积层不只是用来提取特征图，同时也是作为输出层去计算边界框（bounding box）和分类概率。我们模型中的检测管道（detection pipeline）只包含一个神经网络的前向通路，因此它运行起来是极其迅速的。我们的模型是全卷积结构的，因此可以达到小的模型规模和很高的能量利用效率。最后的实验表明我们的模型能达到很高的精度，在 KITTI 基准上达到了最高的精确度。(A fully convoluted n
pso算法优化
- 一种多目标pso算法优化，针对cec2013 benchmark进行了测试
test benchmarks
- 总共56个测试的基准函数，用于智能算法测试所用。(Totally 56 benchmark functions for testing, they are used for intelligence algorithm testing.)
clinical.cases_selection.2018-10-11.tar
- 帮助图像检索，更好的学习代码 ，帮助理解(In this paper we report the set-up and results of the Multimodal Brain Tumor Image Segmentation Benchmark (BRATS) organized in conjunction with the MICCAI 2012 and 2013 conferences.)
ELM
- 极限学习机（ELM算法）初级版本，包括训练和测试两个版本，数据：http://benchmark.ini.rub.de/?section=gtsrb&subsection=news(Extreme learning machine (ELM algorithm) preliminary version)
Benchmark 最优化测试函数
- Matlab中智能算法最优化测试函数公式及代码，有30几个，可用来验证算法的性能(There are more than 30 intelligent algorithm optimization test function formulas and codes in Matlab, which can be used to verify the performance of the algorithm.)
ELM_PSO-master
- 为了提升配网供电可靠性的预测精度!提出了基于主成分分析和粒子群优化极限学习机的配网供电可靠 性预测模型$ 从多方面分析影响供电可靠性的指标!利用主成分分析得到综合变量!实现对数据的降维$ 在此基 础上!构建人工神经网络并利用粒子群算法优化极限学习机的输入权值和阈值!完成对训练供电可靠性预测模型 的训练$ 以某大型电网的 ?L 个供电局样本 !% 种影响供电可靠性因素为例进行仿真分析!并将 E S R C E FQ C 4 G D算 法与 ! 种回归拟合算法对比!验证了该方法的有效性(It i