改文件是用C++來(lái)實(shí)現(xiàn)kmeans的算法，學(xué)過(guò)模式識(shí)別的人都知道這個(gè)算法的，是用來(lái)實(shí)現(xiàn)數(shù)據(jù)的聚類(lèi)
上傳時(shí)間： 2014-01-13
上傳用戶(hù)：epson850
繼續(xù)上次傳的遺傳算法，本次的是算法的初始化部分。
標(biāo)簽： 算法
上傳時(shí)間： 2013-12-17
上傳用戶(hù)：520
繼續(xù)上次傳的普通遺傳算法，加入啦初始化和選擇部分
標(biāo)簽： 算法
上傳時(shí)間： 2013-12-24
上傳用戶(hù)：CHINA526
語(yǔ)音識(shí)別中的說(shuō)話(huà)人自適應(yīng)研究.nh 1.MAP和MLLR算法比較 文章在討論由說(shuō)話(huà)人引起的聲學(xué)差異基礎(chǔ)上，研究?jī)煞N基于模型 的自適應(yīng)算法:最大似然線性回歸(州壓LR)和最大后驗(yàn)概率(MAp)。 實(shí)驗(yàn)結(jié)果表明，不論采用哪種自適應(yīng)都能使識(shí)別率有一定的提升。兩 種算法之間的差異性在于MAP具有良好的漸進(jìn)性，但收斂性較差， 而MLLR在很大程度上改善了收斂特性，但其漸進(jìn)特性卻不如MAP。 文章討論了在側(cè)汰P自適應(yīng)中，初始模型參數(shù)的先驗(yàn)知識(shí)對(duì)自適 應(yīng)效果的影響，以及在MLLR中，回歸類(lèi)對(duì)自適應(yīng)效果的影響。文 章還進(jìn)一步研究了采用兩種算法的累加自適應(yīng)效果，從結(jié)果看MAP 和MLLR結(jié)合的方法比單獨(dú)使用M[AP和MLLR的效果要好。文章 還對(duì)包括基于特征層的歸一化算法和用于基于聲學(xué)模型的MLLR算 法等效性進(jìn)行討論，并給出了統(tǒng)一的算法框架。
標(biāo)簽： MLLR MAP nh 語(yǔ)音識(shí)別
上傳時(shí)間： 2014-01-09
上傳用戶(hù)：bakdesec
利用KMP算法，求的模式字符串的next[]數(shù)組
上傳時(shí)間： 2017-09-02
上傳用戶(hù)：plsee
k-nn算法實(shí)現(xiàn)分類(lèi)，模式識(shí)別作業(yè)，分三類(lèi)，75個(gè)訓(xùn)練集，25個(gè)測(cè)試集，輸出對(duì)測(cè)試集分類(lèi)的結(jié)果
上傳時(shí)間： 2013-12-23
上傳用戶(hù)：米卡
boost算法，用于數(shù)據(jù)模式分析,其原理是機(jī)器學(xué)習(xí)里面的元學(xué)習(xí)器集成思想，通過(guò)弱分類(lèi)器的集成來(lái)實(shí)現(xiàn)一個(gè)強(qiáng)分類(lèi)器。
上傳時(shí)間： 2017-09-14
上傳用戶(hù)：13160677563
關(guān)于后綴數(shù)組的文件 本文介紹后綴數(shù)組的基本概念、方法以及應(yīng)用。 首先介紹O(nlogn)復(fù)雜度構(gòu)造后綴數(shù)組的倍增算法，接著介紹了配合后綴 數(shù)組的最長(zhǎng)公共前綴 LCP（Longest Common Prefix）的計(jì)算方法，并給出一個(gè) 線性時(shí)間內(nèi)計(jì)算height 數(shù)組（記錄跨度為1 的LCP 值的數(shù)組）的算法。為了讓 讀者對(duì)如何運(yùn)用后綴數(shù)組有一個(gè)感性認(rèn)識(shí)，還介紹了兩個(gè)應(yīng)用后綴數(shù)組的例子： 多模式串的模式匹配（給出每次匹配O(m+logn)時(shí)間復(fù)雜度的算法）以及求最 長(zhǎng)回文子串（給出O(nlogn)時(shí)間復(fù)雜度的算法）。最后對(duì)后綴數(shù)組和后綴樹(shù)作了 一番比較。
標(biāo)簽： nlogn 后綴數(shù)組 基本概念 復(fù)雜度
上傳時(shí)間： 2013-12-21
上傳用戶(hù)：zhangliming420
Aidaohuakai( 樓主 ) 2013-8-22 11:45:24 只看該作者23307 | 41倒序?yàn)g覽 論壇上對(duì)mpu6050的資料和討論并不多，很多壇友都說(shuō)驅(qū)動(dòng)失敗，老是顯示0. 以下就談?wù)勎业囊恍┭c淚的教訓(xùn)： 昨天開(kāi)始接觸mpu6050，在網(wǎng)上查了很多資料，下載程序，準(zhǔn)備一展身手。首先看了mpu6050中文資料，之后又看了那個(gè)mpu6050的測(cè)試程序，把這些看明白之后就開(kāi)始寫(xiě)程序了。我不是直接把程序復(fù)制過(guò)去，只是復(fù)制mpu6050的地址和初始化，IIC并沒(méi)有復(fù)制，就復(fù)制我上次寫(xiě)的24C02的那個(gè)程序，想不到，這給了我血與淚的教訓(xùn)，我原來(lái)是直接把IIC復(fù)制過(guò)來(lái)的，并沒(méi)有多留意。之后初始化mpu6050，寫(xiě)入地址，讀出數(shù)據(jù)，下載到單片機(jī)之后，LCD上顯示000001，我感到郁悶，之后又調(diào)試，以為是顯示不對(duì)，又寫(xiě)顯示，之后又下載，結(jié)果還是老樣，這樣半天就過(guò)去了。驅(qū)動(dòng)沒(méi)成功，又懷疑芯片或引腳有問(wèn)題，繼續(xù)調(diào)試，也沒(méi)成功。就一一對(duì)應(yīng)地看了地址，又看了初始化，發(fā)現(xiàn)沒(méi)錯(cuò)，調(diào)試還是不成功。最后干脆不接IIC總線，竟然發(fā)現(xiàn)了個(gè)天大的秘密，接不接IIC，LCD都顯示000001，我又用示波器測(cè)試波形，發(fā)現(xiàn)波形正確。在網(wǎng)上又查了別人的資料，在論壇上也很少有關(guān)于mpu6050的資料，也看了比別人的一些討論。很多壇友都說(shuō)驅(qū)動(dòng)失敗，老是顯示0. 沒(méi)辦法，一天就這樣過(guò)去了，今天早上，我又仔細(xì)看了程序，出乎我的想象，竟然是IIC的那個(gè)地址沒(méi)改，原來(lái)寫(xiě)24C02的那個(gè)地址是a0，還是原封不動(dòng)，把我嚇了一跳。把這些改過(guò)來(lái)之后，一切正常，能顯示加速度和陀螺儀。血與淚的教訓(xùn)啊，是自己不細(xì)心造成的，忘記改地址！今天早上竟然花了不到2個(gè)鐘就調(diào)出來(lái)了，驚喜之時(shí)就寫(xiě)了這個(gè)分享，希望對(duì)大家有用。
標(biāo)簽： 圓點(diǎn)博士小四軸
上傳時(shí)間： 2015-04-14
上傳用戶(hù)：wusheng4495
遺傳算法為群體優(yōu)化算法，也就是從多個(gè)初始解開(kāi)始進(jìn)行優(yōu)化，每個(gè)解稱(chēng)為一個(gè)染色體，各染色體之間通過(guò)競(jìng)爭(zhēng)、合作、單獨(dú)變異，不斷進(jìn)化。 優(yōu)化時(shí)先要將實(shí)際問(wèn)題轉(zhuǎn)換到遺傳空間，就是把實(shí)際問(wèn)題的解用染色體表示，稱(chēng)為編碼，反過(guò)程為解碼，因?yàn)閮?yōu)化后要進(jìn)行評(píng)價(jià)，所以要返回問(wèn)題空間，故要進(jìn)行解碼。SGA采用二進(jìn)制編碼，染色體就是二進(jìn)制位串，每一位可稱(chēng)為一個(gè)基因；解碼時(shí)應(yīng)注意將染色體解碼到問(wèn)題可行域內(nèi)。 遺傳算法模擬“適者生存，優(yōu)勝劣汰”的進(jìn)化機(jī)制，染色體適應(yīng)生存環(huán)境的能力用適應(yīng)度函數(shù)衡量。對(duì)于優(yōu)化問(wèn)題，適應(yīng)度函數(shù)由目標(biāo)函數(shù)變換而來(lái)。一般遺傳算法求解最大值問(wèn)題，如果是最小值問(wèn)題，則通過(guò)取倒數(shù)或者加負(fù)號(hào)處理。SGA要求適應(yīng)度函數(shù)>0，對(duì)于<0的問(wèn)題，要通過(guò)加一個(gè)足夠大的正數(shù)來(lái)解決。這樣，適應(yīng)度函數(shù)值大的染色體生存能力強(qiáng)。 遺傳算法有三個(gè)進(jìn)化算子：選擇（復(fù)制）、交叉和變異。 SGA中，選擇采用輪盤(pán)賭方法，也就是將染色體分布在一個(gè)圓盤(pán)上，每個(gè)染色體占據(jù)一定的扇形區(qū)域，扇形區(qū)域的面積大小和染色體的適應(yīng)度大小成正比。如果輪盤(pán)中心裝一個(gè)可以轉(zhuǎn)動(dòng)的指針的話(huà)，旋轉(zhuǎn)指針，指針停下來(lái)時(shí)會(huì)指向某一個(gè)區(qū)域，則該區(qū)域?qū)?yīng)的染色體被選中。顯然適應(yīng)度高的染色體由于所占的扇形區(qū)域大，因此被選中的幾率高，可能被選中多次，而適應(yīng)度低的可能一次也選不中，從而被淘汰。算法實(shí)現(xiàn)時(shí)采用隨機(jī)數(shù)方法，先將每個(gè)染色體的適應(yīng)度除以所有染色體適應(yīng)度的和，再累加，使他們根據(jù)適應(yīng)度的大小分布于0-1之間，適應(yīng)度大的占的區(qū)域大，然后隨機(jī)生成一個(gè)0-1之間的隨機(jī)數(shù)，隨機(jī)數(shù)落到哪個(gè)區(qū)域，對(duì)應(yīng)的染色體就被選中。重復(fù)操作，選出群體規(guī)模規(guī)定數(shù)目的染色體。這個(gè)操作就是“優(yōu)勝劣汰，適者生存”，但沒(méi)有產(chǎn)生新個(gè)體。 交叉模擬有性繁殖，由兩個(gè)染色體共同作用產(chǎn)生后代，SGA采用單點(diǎn)交叉。由于SGA為二進(jìn)制編碼，所以染色體為二進(jìn)制位串，隨機(jī)生成一個(gè)小于位串長(zhǎng)度的隨機(jī)整數(shù)，交換兩個(gè)染色體該點(diǎn)后的那部分位串。參與交叉的染色體是輪盤(pán)賭選出來(lái)的個(gè)體，并且還要根據(jù)選擇概率來(lái)確定是否進(jìn)行交叉（生成0-1之間隨機(jī)數(shù)，看隨機(jī)數(shù)是否小于規(guī)定的交叉概率），否則直接進(jìn)入變異操作。這個(gè)操作是產(chǎn)生新個(gè)體的主要方法，不過(guò)基因都來(lái)自父輩個(gè)體。 變異采用位點(diǎn)變異，對(duì)于二進(jìn)制位串，0變?yōu)?，1變?yōu)?就是變異。采用概率確定變異位，對(duì)每一位生成一個(gè)0-1之間的隨機(jī)數(shù)，看是否小于規(guī)定的變異概率，小于的變異，否則保持原狀。這個(gè)操作能夠使個(gè)體不同于父輩而具有自己獨(dú)立的特征基因，主要用于跳出局部極值。 遺傳算法認(rèn)為生物由低級(jí)到高級(jí)進(jìn)化，后代比前一代強(qiáng)，但實(shí)際操作中可能有退化現(xiàn)象，所以采用最佳個(gè)體保留法，也就是曾經(jīng)出現(xiàn)的最好個(gè)體，一定要保證生存下來(lái)，使后代至少不差于前一代。大致有兩種類(lèi)型，一種是把出現(xiàn)的最優(yōu)個(gè)體單獨(dú)保存，最后輸出，不影響原來(lái)的進(jìn)化過(guò)程；一種是將最優(yōu)個(gè)體保存入子群，也進(jìn)行選擇、交叉、變異，這樣能充分利用模式，但也可能導(dǎo)致過(guò)早收斂。 由于是基本遺傳算法，所以?xún)?yōu)化能力一般，解決簡(jiǎn)單問(wèn)題尚可，高維、復(fù)雜問(wèn)題就需要進(jìn)行改進(jìn)了。 下面為代碼。函數(shù)最大值為3905.9262，此時(shí)兩個(gè)參數(shù)均為-2.0480，有時(shí)會(huì)出現(xiàn)局部極值，此時(shí)一個(gè)參數(shù)為-2.0480，一個(gè)為2.0480。算法中變異概率pm=0.05，交叉概率pc=0.8。如果不采用最優(yōu)模式保留，結(jié)果會(huì)更豐富些，也就是算法最后不一定收斂于極值點(diǎn)，當(dāng)然局部收斂現(xiàn)象也會(huì)有所減少，但最終尋得的解不一定是本次執(zhí)行中曾找到過(guò)的最好解。
標(biāo)簽： 遺傳算法
上傳時(shí)間： 2015-06-04
上傳用戶(hù)：芃溱溱123
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
