繼續(xù)上次傳的遺傳算法，本次的是算法的初始化部分。
標簽： 算法
上傳時間： 2013-12-17
上傳用戶：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
標簽： 算法
上傳時間： 2013-12-24
上傳用戶：CHINA526
語音識別中的說話人自適應研究.nh 1.MAP和MLLR算法比較 文章在討論由說話人引起的聲學差異基礎上，研究兩種基于模型 的自適應算法:最大似然線性回歸(州壓LR)和最大后驗概率(MAp)。 實驗結果表明，不論采用哪種自適應都能使識別率有一定的提升。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，但其漸進特性卻不如MAP。 文章討論了在側汰P自適應中，初始模型參數(shù)的先驗知識對自適 應效果的影響，以及在MLLR中，回歸類對自適應效果的影響。文 章還進一步研究了采用兩種算法的累加自適應效果，從結果看MAP 和MLLR結合的方法比單獨使用M[AP和MLLR的效果要好。文章 還對包括基于特征層的歸一化算法和用于基于聲學模型的MLLR算 法等效性進行討論，并給出了統(tǒng)一的算法框架。
上傳時間： 2014-01-09
上傳用戶：bakdesec
利用KMP算法，求的模式字符串的next[]數(shù)組
上傳時間： 2017-09-02
上傳用戶：plsee
k-nn算法實現(xiàn)分類，模式識別作業(yè)，分三類，75個訓練集，25個測試集，輸出對測試集分類的結果
上傳時間： 2013-12-23
上傳用戶：米卡
boost算法，用于數(shù)據(jù)模式分析,其原理是機器學習里面的元學習器集成思想，通過弱分類器的集成來實現(xiàn)一個強分類器。
上傳時間： 2017-09-14
上傳用戶：13160677563
關于后綴數(shù)組的文件 本文介紹后綴數(shù)組的基本概念、方法以及應用。 首先介紹O(nlogn)復雜度構造后綴數(shù)組的倍增算法，接著介紹了配合后綴 數(shù)組的最長公共前綴 LCP（Longest Common Prefix）的計算方法，并給出一個 線性時間內計算height 數(shù)組（記錄跨度為1 的LCP 值的數(shù)組）的算法。為了讓 讀者對如何運用后綴數(shù)組有一個感性認識，還介紹了兩個應用后綴數(shù)組的例子： 多模式串的模式匹配（給出每次匹配O(m+logn)時間復雜度的算法）以及求最 長回文子串（給出O(nlogn)時間復雜度的算法）。最后對后綴數(shù)組和后綴樹作了 一番比較。
上傳時間： 2013-12-21
上傳用戶：zhangliming420
遺傳算法為群體優(yōu)化算法，也就是從多個初始解開始進行優(yōu)化，每個解稱為一個染色體，各染色體之間通過競爭、合作、單獨變異，不斷進化。 優(yōu)化時先要將實際問題轉換到遺傳空間，就是把實際問題的解用染色體表示，稱為編碼，反過程為解碼，因為優(yōu)化后要進行評價，所以要返回問題空間，故要進行解碼。SGA采用二進制編碼，染色體就是二進制位串，每一位可稱為一個基因；解碼時應注意將染色體解碼到問題可行域內。 遺傳算法模擬“適者生存，優(yōu)勝劣汰”的進化機制，染色體適應生存環(huán)境的能力用適應度函數(shù)衡量。對于優(yōu)化問題，適應度函數(shù)由目標函數(shù)變換而來。一般遺傳算法求解最大值問題，如果是最小值問題，則通過取倒數(shù)或者加負號處理。SGA要求適應度函數(shù)>0，對于<0的問題，要通過加一個足夠大的正數(shù)來解決。這樣，適應度函數(shù)值大的染色體生存能力強。 遺傳算法有三個進化算子：選擇（復制）、交叉和變異。 SGA中，選擇采用輪盤賭方法，也就是將染色體分布在一個圓盤上，每個染色體占據(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度大小成正比。如果輪盤中心裝一個可以轉動的指針的話，旋轉指針，指針停下來時會指向某一個區(qū)域，則該區(qū)域對應的染色體被選中。顯然適應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，而適應度低的可能一次也選不中，從而被淘汰。算法實現(xiàn)時采用隨機數(shù)方法，先將每個染色體的適應度除以所有染色體適應度的和，再累加，使他們根據(jù)適應度的大小分布于0-1之間，適應度大的占的區(qū)域大，然后隨機生成一個0-1之間的隨機數(shù)，隨機數(shù)落到哪個區(qū)域，對應的染色體就被選中。重復操作，選出群體規(guī)模規(guī)定數(shù)目的染色體。這個操作就是“優(yōu)勝劣汰，適者生存”，但沒有產生新個體。 交叉模擬有性繁殖，由兩個染色體共同作用產生后代，SGA采用單點交叉。由于SGA為二進制編碼，所以染色體為二進制位串，隨機生成一個小于位串長度的隨機整數(shù)，交換兩個染色體該點后的那部分位串。參與交叉的染色體是輪盤賭選出來的個體，并且還要根據(jù)選擇概率來確定是否進行交叉（生成0-1之間隨機數(shù)，看隨機數(shù)是否小于規(guī)定的交叉概率），否則直接進入變異操作。這個操作是產生新個體的主要方法，不過基因都來自父輩個體。 變異采用位點變異，對于二進制位串，0變?yōu)?，1變?yōu)?就是變異。采用概率確定變異位，對每一位生成一個0-1之間的隨機數(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。這個操作能夠使個體不同于父輩而具有自己獨立的特征基因，主要用于跳出局部極值。 遺傳算法認為生物由低級到高級進化，后代比前一代強，但實際操作中可能有退化現(xiàn)象，所以采用最佳個體保留法，也就是曾經(jīng)出現(xiàn)的最好個體，一定要保證生存下來，使后代至少不差于前一代。大致有兩種類型，一種是把出現(xiàn)的最優(yōu)個體單獨保存，最后輸出，不影響原來的進化過程；一種是將最優(yōu)個體保存入子群，也進行選擇、交叉、變異，這樣能充分利用模式，但也可能導致過早收斂。 由于是基本遺傳算法，所以優(yōu)化能力一般，解決簡單問題尚可，高維、復雜問題就需要進行改進了。 下面為代碼。函數(shù)最大值為3905.9262，此時兩個參數(shù)均為-2.0480，有時會出現(xiàn)局部極值，此時一個參數(shù)為-2.0480，一個為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，結果會更豐富些，也就是算法最后不一定收斂于極值點，當然局部收斂現(xiàn)象也會有所減少，但最終尋得的解不一定是本次執(zhí)行中曾找到過的最好解。
標簽： 遺傳算法
上傳時間： 2015-06-04
上傳用戶：芃溱溱123
通過算法，讓曲線擬合，反映出數(shù)據(jù)的趨勢，平滑化處理
標簽： hyf
上傳時間： 2016-02-16
上傳用戶：Yumii_K
用C語言實現(xiàn)了基本數(shù)據(jù)結構與部分算法，采用了C語言基于接口的設計思路，對模塊化設計的思路有不小的啟發(fā)。
上傳時間： 2016-04-13
上傳用戶：kangjingyu
