搜索资源列表
群微粒算法
- 群微粒算法,用vc++编写的-group particulate algorithm, used in the preparation of vc
PSOandsdive.rar
- 运用微粒群算法求解改进的二维熵最大值算法，对于医学图像分割非常有用,Using the PSO algorithm to calculate the maximum of the improve 2D entropy value
PSO_AD
- 微粒群(PSO)优化算法进行图像匹配程序，MATLAB版。-Particle swarm optimization (PSO) algorithm for optimized image matching program, MATLAB version.
lunwen
- 这有三篇关于图像处理的论文，使用VC实现基于直方图的相对辐射校正，小波变换在图像处理中的应用，微粒群算法在图像处理中的应用研究，很有参考价值-There are three papers on image processing, the use of VC histogram-based relative radiometric correction, wavelet transform in image processing applications, particle swarm optim
EPF_PSO
- 运用微粒群算法PSO 来进行图像的边缘模板匹配 的matlab程序 函数说明见doc文件-PSO for image template matching
Particle-swarm-optimization
- 微粒群优化算法(Particle Swarm Optimization,PSO算法)源于鸟群和鱼群群体运 动行为的研究，是一种新的群体智能优化算法，是演化计算领域中的一个新的分支。它 的主要特点是原理简单、参数少、收敛速度较快，所需领域知识少。该算法的出现引起 了学者们极大的关注，已在函数优化、神经网络训练、组合优化、机器人路径规划等领 域获得了广泛应用，并取得了较好的效果。尽管粒子群优化算法发展近十年，但无论是 理论分析还是实践应用都尚未成熟，有大量的问题值得研究。 -
pso1
- 某些实际问题的优化目标是求所有的局部最优解, 即求解多峰寻优问题, 为了求解多峰优化问题, 提出了改造的微粒 群优化算法. 尽量减少微粒群算法中的全局因素, 从而增大其局部因素, 同时采用变步长方法增加微粒的多样性. 并给出了该算法 的原理和步骤. 仿真实验表明该算法概念清楚, 计算简单, 具有很好的局部寻优特性, 可应用求解于多峰寻优问题. 另外还给出了几 个运算实例和与其它优化算法的比较.-Some of the practical problems the optimizati
PSOandsdive
- 运用微粒群算法求解改进的二维熵最大值算法，对于医学图像分割非常有用-Using the PSO algorithm to calculate the maximum of the improve 2D entropy value
sample1
- 微粒群算法的一个粒子，包括不同权重对结果造成不同影响的分析和仿真结果说明-A particle particle swarm algorithm, including different weights cause different effects on the results of analysis and simulation results show
sample
- 微粒群算法应用的一个例子，包括算法的思想，解决问题的方法和步骤的说明-An example of the particle swarm optimization applications, including algorithms ideas, methods and steps to solve the problem
nrtsparticles
- 保证全局收敛的随机微粒群算法,当最优粒子的解无进化,则对其位置(Guarantee the global convergence of the stochastic particle swarm algorithm, the optimal solution of particles when no evolution, with its position)
enpaptulatiou-member
- 协同微粒群算法,用于原子簇的结构优化,协同微粒群算法模型(Cooperative particle swarm algorithm for atomic cluster structure optimization, model of the cooperative particle swarm algorithm)