bp算法，網絡為1－5－2－2－1。函數為y=sin(3x)cosx+1。這是用c語言寫的，能運行，可以畫圖，這是神經網絡的一個作業。
標簽： 算法
上傳時間： 2014-01-06
上傳用戶：qilin
用遺傳算法解決通信中的TDOA問題 文件名 program 完成功能 求出在進行account_test次的試驗中每一次的最優染色體，并且求出均值MV，和均方誤差MSE 文件名 definition_constant( ) 完成功能 對各個常量試驗參數進行設定 文件名 main_program 完成功能 完成一次試驗的計算 文件名 all_Noise 完成功能 計算TDOA值（由基站所測量的TDOA（受到噪聲的干擾）) 文件名 gen_ini_pop_arr 完成功能 產生染色體矩陣pop_arr，矩陣的1，2行為估計的x，y坐標，矩陣的3，4行為0。
標簽： account_test program TDOA 算法
上傳時間： 2013-12-22
上傳用戶：shinesyh
簡單遺傳算法VC實現，包括選擇，交叉，變異以及種群初始化
標簽： 算法
上傳時間： 2015-05-11
上傳用戶：小儒尼尼奧
求圖的頂點連通度算法。方法就是先對源和匯做枚舉，之后對每個枚舉情況，把除去源匯兩點的其余所有頂點看成是容量限制為1的點，求網絡的最大流，就是此點對的頂點連通度，之后對枚舉的所有點對找連通度最小的當成圖的連通度。 帶有頂點容量限制的最大流方法：將帶容量限制的頂點u拆成兩個點u 和u*，原頂點u的入邊為u 的入邊，原頂點u的出邊為u*的出邊，之后在u 和u*之間連接雙向邊，邊的容量為頂點的容量限制。
標簽： 算法
上傳時間： 2013-12-21
上傳用戶：515414293
更新說明： 此版本在版本1、2的基礎上做了2點重大改進 1、改進了PhaSpa2VoltCoef函數算法，使得現算法的運行速度約是原算法的4倍 2、改進了volterra_train_lu函數算法，使得相對均方誤差提高了約1000倍，新算法不再需要對樣本做歸一化處理
標簽： PhaSpa2VoltCoef 版本 更新 函數
上傳時間： 2014-01-02
上傳用戶：z754970244
G-P算法計算關聯維的 Matlab 程序 (升級版，mex函數，超快) 作者：陸振波，海軍工程大學 歡迎同行來信交流與合作，更多文章與程序下載請訪問我的個人主頁 電子郵件：luzhenbo@sina.com 個人主頁：luzhenbo.88uu.com.cn 更新部分： 引入限制短暫分離參數，使該參數大于序列平均周期時，去除了同一軌道前后點的關聯， 使 r 值較小時，ln r - ln C(r) 曲線接近線性 文件夾說明： 1、GP_Algorithm_main.m - 程序主文件 2、LorenzData.dll - 產生Lorenz離散數據 3、normalize_1.m - 數據歸一化 4、CorrelationIntegral.dll - 計算關聯積分
上傳時間： 2013-12-14
上傳用戶：fxf126@126.com
基于Volterra濾波器混沌時間序列多步預測 作者：陸振波，海軍工程大學 歡迎同行來信交流與合作，更多文章與程序下載請訪問我的個人主頁 電子郵件：luzhenbo@sina.com 個人主頁：luzhenbo.88uu.com.cn 參考文獻： 1、張家樹.混沌時間序列的Volterra自適應預測.物理學報.2000.03 2、Scott C.Douglas, Teresa H.-Y. Meng, Normalized Data Nonlinearities for LMS Adaptation. IEEE Trans.Sign.Proc. Vol.42 1994 文件說明： 1、original_MultiStepPred_main.m 程序主文件,直接運行此文件即可 2、original_train.m 訓練函數 3、original_test.m 測試函數 4、LorenzData.dll 產生Lorenz離散序列 5、normalize_1.m 歸一化 6、PhaSpaRecon.m 相空間重構 7、PhaSpa2VoltCoef.dll 構造 Volterra 自適應 FIR 濾波器的輸入信號矢量 Un 8、TrainTestSample_2.m 將特征矩陣前 train_num 個為訓練樣本，其余為測試樣本 9、FIR_NLMS.dll NLMS自適應算法
上傳時間： 2013-12-16
上傳用戶：talenthn
文章通過對實序列快速傅里葉變換的算法推導及Mallat 算法原理的分析，根據離散小波變換（DWT）算 法結構特征，提出了一種離散小波的快速變換算法，給出了相應的算法步驟。從數學理論上進行了論證，并把該算法 應用到靜態圖像處理中，得到了很好的快速和重建效果，具有一定的實用價值。 關鍵詞：小波分析；Mallat 算法；快速小波算法 圖像處理 中圖分類號：TN914 文獻標識碼：A 1 引言 小波分析是近十多年來迅速發展起來的新興學科和信號分析理論，是繼傅里葉分析方法之后的重 大突變。它具有時域局部化和頻域局部化的優點，而且高頻端的時間間隔小（有著高的時間分辨率）， 低頻端的時間間隔大（有著高的頻率分辨率），這與人的視覺機制由粗到細的認識過程相一致，固而有 “數學顯微鏡”之稱，是進行信號處理和分析的有效工具。特別是其多分辨率分析理論及其快速算法 ——Mallat 算法在數字信號處理和數字通信
上傳時間： 2015-05-23
上傳用戶：tyler
二維的DBSCAN聚類算法，輸入（x,y）數組，搜索半徑Eps，密度搜索參數Minpts。輸出: Clusters，每一行代表一個簇，形式為簇的對象對應的原數據集的ID
上傳時間： 2015-06-01
上傳用戶：sy_jiadeyi
遺傳算法(Genetic Algorithm, GA)是近幾年發展起來的一種嶄新的全局優化算法，它借 用了生物遺傳學的觀點，通過自然選擇、遺傳、變異等作用機制，實現各個個體的適應性 的提高。這一點體現了自然界中"物競天擇、適者生存"進化過程。1962年Holland教授首次 提出了GA算法的思想，從而吸引了大批的研究者，迅速推廣到優化、搜索、機器學習等方 面，并奠定了堅實的理論基礎。 用遺傳算法解決問題時，首先要對待解決問題的模型結構 和參數進行編碼，一般用字符串表示，這個過程就將問題符號化、離散化了。也有在連續 空間定義的GA(Genetic Algorithm in Continuous Space, GACS)，暫不討論。
上傳時間： 2015-06-08
上傳用戶：stampede
