批處理感知器算法的代碼matlab w1=[1,0.1,1.1;1,6.8,7.1;1,-3.5,-4.1;1,2.0,2.7;1,4.1,2.8;1,3.1,5.0;1,-0.8,-1.3; 1,0.9,1.2;1,5.0,6.4;1,3.9,4.0]; w2=[1,7.1,4.2;1,-1.4,-4.3;1,4.5,0.0;1,6.3,1.6;1,4.2,1.9;1,1.4,-3.2;1,2.4,-4.0; 1,2.5,-6.1;1,8.4,3.7;1,4.1,-2.2]; w3=[1,-3.0,-2.9;1,0.5,8.7;1,2.9,2.1;1,-0.1,5.2;1,-4.0,2.2;1,-1.3,3.7;1,-3.4,6.2; 1,-4.1,3.4;1,-5.1,1.6;1,1.9,5.1]; figure; plot(w3(:,2),w3(:,3),'ro'); hold on; plot(w2(:,2),w2(:,3),'b+'); W=[w2;-w3];%增廣樣本規范化 a=[0,0,0]; k=0;%記錄步數 n=1; y=zeros(size(W,2),1);%記錄錯分的樣本 while any(y<=0) k=k+1; y=a*transpose(W);%記錄錯分的樣本 a=a+sum(W(find(y<=0),:));%更新a if k >= 250 break end end if k<250 disp(['a為：',num2str(a)]) disp(['k為：',num2str(k)]) else disp(['在250步以內沒有收斂，終止']) end %判決面：x2=-a2*x1/a3-a1/a3 xmin=min(min(w1(:,2)),min(w2(:,2))); xmax=max(max(w1(:,2)),max(w2(:,2))); x=xmin-1:xmax+1;%(xmax-xmin): y=-a(2)*x/a(3)-a(1)/a(3); plot(x,y)
上傳時間： 2016-11-07
上傳用戶：a1241314660
K-Means算法是最古老也是應用最廣泛的聚類算法，它使用質心定義原型，質心是一組點的均值，通常該算法用于n維連續空間中的對象。 K-Means算法流程 step1：選擇K個點作為初始質心 step2：repeat 將每個點指派到最近的質心，形成K個簇 重新計算每個簇的質心 until 質心不在變化 例如下圖的樣本集，初始選擇是三個質心比較集中，但是迭代3次之后，質心趨于穩定，并將樣本集分為3部分 我們對每一個步驟都進行分析 step1：選擇K個點作為初始質心 這一步首先要知道K的值，也就是說K是手動設置的，而不是像EM算法那樣自動聚類成n個簇 其次，如何選擇初始質心 最簡單的方式無異于，隨機選取質心了，然后多次運行，取效果最好的那個結果。這個方法，簡單但不見得有效，有很大的可能是得到局部最優。 另一種復雜的方式是，隨機選取一個質心，然后計算離這個質心最遠的樣本點，對于每個后繼質心都選取已經選取過的質心的最遠點。使用這種方式，可以確保質心是隨機的，并且是散開的。 step2：repeat 將每個點指派到最近的質心，形成K個簇 重新計算每個簇的質心 until 質心不在變化 如何定義最近的概念，對于歐式空間中的點，可以使用歐式空間，對于文檔可以用余弦相似性等等。對于給定的數據，可能適應與多種合適的鄰近性度量。
上傳時間： 2018-11-27
上傳用戶：1159474180
設有n=2k個運動員要進行網球循環賽。現要設計一個滿足以下要求的比賽日程表：⑴每個選手必須與其他n-1個選手各賽一次；⑵每個選手一天只能賽一次；⑶循環賽一共進行n-1天。按此要求可將比賽日程表設計－成有n行和n-l列的一個表。在表中第i行和第j列處填入第i個選手在第j天所遇到的選手。用分治法編寫為該循環賽設計一張比賽日程表的算法并運行實現、對復雜度進行分析。
上傳時間： 2019-06-04
上傳用戶：594551562
利用FIFO先進先出算法實現分頁請求，先進先出
上傳時間： 2019-12-01
上傳用戶：yytyj
移動機器人路徑規劃尤其是未知環境下機器人路徑規劃是機器人技術中的一個重要研究領域，得到了很多研究者的關注，并取得了一系列重要成果。目前已存在許多用來解決該問題的優化算法，但是此類問題屬于N-Hard問題，尋求更佳的算法就成為該領域的一個研究熱點。為此，根據機器人路徑規劃算法的研究現狀和向智能化，仿生化發展的趨勢，研究了一種基于圖的機器人路徑規劃螞蟻優化算法。算法首先用柵格法對機器人的工作空間進行建模，并用一個狀態矩陣表示其狀態，由此構造出一個連通圖，由一組螞蟻在圖上模擬螞蟻的覓食行為，從而得到避碰的優化路徑。最后，借鑒分枝隨機過程和生滅過程的理論知識，用概率的方法從理論上對該算法的收斂性進行了分析，在此基礎上，結合計算機仿真結果，證實了本文提出的算法的有效性和收斂性。迄今為止，對于未知環境下機器人路徑規劃，人們已經探索出了許多有效的求解方法諸如虛擬力場法、基于學習或Q學習的規劃方法、滾動窗口規劃方法、非啟發式方法及各類定位、導航方法等等。近年來，不少學者用改進的遺傳算法、神經網絡、隨機樹、蟻群算法等方法對未知環境下機器人路徑進行了規劃機器人路徑規劃算法向智能化、仿生化發展是一個明顯的趨勢.由于已有算法不同程度的存在一定局限性，諸如搜索空間大、算法復雜、效率不高等，尤其對于未知環境，不少路徑規劃算法的復雜度較高，甚至無法求解，根據日前的研究現狀和不足，本文提出了一種用于解決未知環境下機器人路徑規劃的基于圖的螞蟻算法，理論分析和實驗結果都證明了本文算法的有效性和收斂性本課題研究的主要內容本文在用概格法對機器人的工作空間進行建模的基礎上，用一個狀態矩陣表示其狀態，由此構造一個連通圖，由一組螞蚊在圖上模擬螞蟻的覓食行為，從而得到避碰的優化路徑并借鑒分枝隨機過程和生滅過程的理論知識用概率的方法從理論上對該算法的收斂性進行了分析，結合計算機仿真，證明了本文算法的有效性和收斂性
上傳時間： 2022-03-10
上傳用戶：kingwide
第一章 機器學習革命學習算法入門為何商業擁護機器學習給科學方法增壓10億個比爾·克林頓學習算法與國家安全我們將走向何方第二章 終極算法來自神經科學的論證來自進化論的論證來自物理學的論證來自統計學的論證來自計算機科學的論證機器學習算法與知識工程師天鵝咬了機器人終極算法是狐貍，還是刺猬我們正面臨什么危機新的萬有理論未達標準的終極算法候選項機器學習的五大學派第三章 符號學派：休謨的歸納問題特別說明：僅作為愛好者學習使用（請勿商用）！本文檔由人工智能吧（QQ群 565128329）整理提供并更多學習分享，若覺得不錯請購買印刷版書籍。約不約“天下沒有免費的午餐”定理對知識泵進行預設如何征服世界在無知與幻覺之間你能信任的準確度歸納是逆向的演繹掌握治愈癌癥的方法20問游戲符號學派第四章 聯結學派：大腦如何學習感知器的興盛與衰亡物理學家用玻璃制作大腦世界上最重要的曲線攀登超空間里的高峰感知器的復仇一個完整的細胞模型大腦的更深處第五章 進化學派：自然的學習算法達爾文的算法探索：利用困境程序的適者生存法則性有何用先天與后天誰學得最快，誰就會贏第六章 貝葉斯學派：在貝葉斯教堂里統治世界的定理所有模型都是錯的，但有些卻有用從《尤金·奧涅金》到Siri所有東西都有關聯，但不是直接關聯推理問題掌握貝葉斯學派的方法馬爾可夫權衡證據邏輯與概率：一對不幸的組合第七章 類推學派：像什么就是什么完美另一半維數災難空中蛇災爬上梯子起床啦第八章 無師自通物以類聚，人以群分發現數據的形狀擁護享樂主義的機器人熟能生巧學會關聯第九章 解開迷惑萬里挑一終極算法之城馬爾科夫邏輯網絡從休謨到你的家用機器人行星尺度機器學習醫生馬上來看你第十章 建立在機器學習之上的世界性、謊言和機器學習數碼鏡子充滿模型的社會分享與否？方式、地點如何？神經網絡搶了我的工作戰爭不屬于人類谷歌＋終極算法=天網？進化的第二部分
上傳時間： 2022-05-07
上傳用戶：
遺傳算法(genetical algorithm)是模擬自然界生物進化過程與機制求解問題的一類自組織與自適應的人工智能技術，已廣泛應用于計算機科學、人工智能、信息技術及工程實踐。 全書共分3章，第l章給出了遺傳算法的幾何理論，第2章給出了遺傳算法的馬爾可夫鏈分析，第3章給出了遺傳算法的收斂理論。 本書可以作為應用數學、計算機科學、系統科學等專業研究生的教材，也可以作為研究遺傳算法的參考書。 遺傳算法的數學基礎由張文修、梁怡編著，是一本重點在于闡述遺傳算法的數學基礎的書籍。
上傳時間： 2022-05-25
上傳用戶：
matlab數學建模算法全收錄 超清書簽版
上傳時間： 2013-05-15
上傳用戶：eeworm
視頻圖像格式轉換芯片的算法研究
上傳時間： 2013-05-25
上傳用戶：eeworm
精通：VISUAL C++指紋模式識別系統算法及實現_0
上傳時間： 2013-06-01
上傳用戶：eeworm
