[机器学习] 蚁群算法的函数优化matlab

说明： 蚁群算法ACO是一种新型的模拟进化算法，该算法采用蚁群在搜索食物源的过程中所体现出来的寻有能力来解决一些离散系统优化中的困难问题。应经用该方法求解了旅行商问题（TSP问题）、指派问题、调度问题等，取得了一系列较好的实验结果。
<weixin_42758463> 在 上传 | 大小：2048

[机器学习] 基于改进的多算子融合的图像识别

说明： 数字图像处理就是利用计算机系统对数字图像进行各种特定的处理。通常情况下，对图像进行处理主要有以下三个目的： 一是提高图像的可观性，以获得所期望的结果。例如对图像进行灰度变换、几何变换、滤波等从而改善图像的质量以达到所需的、清晰的效果； 二是对图像数据进行编码和压缩，以便于解决数据量与存储和传输的矛盾。 三是特征提取，以便于计算机进行图像分析。比如常用作模式识别的预处理，这就涉及到特征参数的提取问题。
<weixin_42758463> 在 上传 | 大小：2097152

[机器学习] 人脸检测与MATLAB实现

说明： 生物识别是一种根据人体自身的生理特征（如指纹、脸像、虹膜等）和行为特征（如笔迹、声音、步态等）来识别身份的技术。近年来，随着模式识别、图像处理和信息传感等技术的不断发展，生物识别显示出更为广阔的应用前景。众所周知，其他的生物测定方法如指纹、声音和虹膜等，由于要求被测定者的主动配合参与，才能达到识别的目的，而人脸识别却不受这种限制，因此人脸识别正在成为当前人们关注和投入较大研究力量的重点。 学习目标： （1）学习和掌握MATLAB人脸检测算法； （2）学习和掌握MATLAB编程实现人脸图像分割；
<weixin_42758463> 在 上传 | 大小：156672

[机器学习] 指纹图像特征提取与matlab实现

说明： 指纹图像的特征提取是指纹识别的关键，而指纹匹配通常基于细节点匹配。指纹特征提取是从细化后的指纹图中得到细节特征点（即端点和分叉点），此特征点含有大量的伪特征，既耗时又影响匹配精度。本章采用了边缘去伪和距离去伪，使得特征点去伪前后减小了近1/3，然后提取可靠特征点信息，以便实现指纹匹配。基于MATLAB实现的指纹细节特征提取方法，并给出了去伪算法，算法实现简单快速，而且具有较高的准确率。
<weixin_42758463> 在 上传 | 大小：153600

[机器学习] 遗传算法优化神经网络

说明： BP神经网络简单实用，收敛速度和执行效率都较高，然而就是算法的稳定性比较差，基于遗传算法优化的BP网络算法分析，采用遗传算法对BP神经网络进行权值和阈值优化求解，得到相应的权值和阈值，从而可以稳定的控制BP神经网络结构，实现问题的快速高效求解，并且大大地提高算法稳定性
<weixin_42758463> 在 上传 | 大小：4194304

[深度学习] RLS的数据预测与matlab

说明： 递归最小二乘（RLS）算法在信号自适应滤波分析中广泛应用，递归最小二乘（RLS）算法收敛速度快，且对自相关矩阵特征值的分散性不敏感，然而其计算量交大，本章主要研究基于RLS进行数据的预测与MATLAB实现。
<weixin_42758463> 在 上传 | 大小：1024

[机器学习] bp模型优化预测与matlab仿真，pid参数优化

说明： BP（Back Propagation）神经网络是一种神经网络学习算法。其由输入层、中间层、输出层组成的阶层型神经网络，中间层可扩展为多层。相邻层之间各神经元进行全连接，而每层各神经元之间无连接，网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，各神经元获得网络的输入响应产生连接权值（Weight）。然后按减小希望输出与实际输出误差的方向，从输出层经各中间层逐层修正各连接权，回到输入层。此过程反复交替进行，直至网络的全局误差趋向给定的极小值，即完成学习的过程，
<weixin_42758463> 在 上传 | 大小：6144

[机器学习] 基于小波变换的图像压缩与matlab仿真

说明： 小波分析是一个比较难的分支，用户采用小波变换，可以实现图像压缩，振动信号的分解与重构等，因此在实际工程上应用较广泛。小波分析与Fourier变换相比，小波变换是空间域和频率域的局部变换，因而能有效地从信号中提取信息。小波变换通过伸缩和平移等基本运算，实现对信号的多尺度分解与重构，从而很大程度上解决了Fourier变换带来的很多难题。 小波分析作一个新的数学分支，它是泛函分析、Fourier分析、数值分析的完美结晶；小波分析也是一种“时间—尺度”分析和多分辨分析的新技术，它在信号分析、语音合成、
<weixin_42758463> 在 上传 | 大小：1024

[深度学习] 贝叶斯分类器的数据处理

说明： 贝叶斯公式对于一个分类器而言，我们考虑一个待分类的目标，任务就是将这个目标分类为c类。分类数c事先作为一个先验值，即已知值。每一个待分类的目标由一组特征值 x(i)，则构成一个 维特征向量，x=[x(1),x(2),……，x(n)] 。假设每一个待分类的目标能够由一组简单的特征向量表示，也就是该组特征向量只属于某一类。
<weixin_42758463> 在 上传 | 大小：16384

[机器学习] 基于stm32f103c8t6的巡线小车程序

说明： 仅仅是巡线程序，程序简单一看就懂的那种 #include "led.h" #include "delay.h" #include "key.h" #include "sys.h" #include "beep.h" int main(void) { vu8 key=0; delay_init(); LED_Init(); BEEP_Init(); KEY_Init(); while(1) { if(KEY0==1&&KEY1;==1) stright(); if(KEY0==0&&KEY1;=
<qq_42776000> 在 上传 | 大小：2097152

[机器学习] 九齐程序 ny Q-Code

说明： 九齐程序 ny Q-Code 单片机 编写 入门
<weixin_41751993> 在 上传 | 大小：2097152

[机器学习] 贝叶斯分类

说明： 大多数的机器学习分类算法都是基于平衡数据 集的假设 ， 然而当数据集的各类别的样本分布不均 匀时 ， 分类器常常会倾向样本中多数类 。 究其原因 ， 不均衡或是倾斜的训练样本集常会带来特征淹没的 问题 ， 从大多数类提取的特征相对丰富准确 ， 但由少 数类提取的特征相对匮乏 ， 使其不均匀时 ， 分类器常 常会倾向样本中多数类 。
<weixin_43076256> 在 上传 | 大小：31457280