搜索资源列表
Activity_Selection
- 贪心算法实现活动选择问题——最短路径，想学习贪心算法的可以参考
人工智能要求
- //主函数，主要是用于启动用于模拟虚存活动和进行监控的两个线程；-/ / main function is mainly used to launch virtual memory used to simulate and monitor activities of the two threads;
Robot
- 机器人活动的小程序，很有意思，使用简单，扩展性好!-Robot activities, very interesting!
Relational
- 股票市场与经济活动密不可分，它不仅是宏观经济的晴雨表，也是分析微观经济的重要指标 -Stockmarketrelatedwiththeeeonomieactivities.It15notonlytheweatherglassofMacroeeonomyutalsoanimPortantindextoanalyZeMicro一economy.
ANN_liyafei
- 人工神经网络（Artificial Neural Network ），以数学模型模拟神经元活动，有函数逼近、仿真、预测以及模糊控制等功能，具有强大的容错性。-ANN-LIYAFEI
ART
- ART神经网络源码.自适应共振理论ART(Adaptive Resonance Theory)模型是美国Boston大学的S．Grossberg和A．Carpenet在1976年提出的。ART是一种自组织神经网络结构，是无教师的学习网络。当在神经网络和环境有交互作用时，对环境信息的编码会自发地在神经网中产生，则认为神经网络在进行自组织活动。ART就是这样一种能自组织地产生对环境认识编码的神经网络理论模型。-The code of ART neural network
shenjing
- 模拟单个神经元的程序，真实的模拟神经元活动-Simulation program of single neurons, neuronal activity in simulated real
ant_Plane
- 之前上传的蚁群无人机不完整，还要另外下载我后来上传的 MATLABLibrary,这个是完整版： 无人机如何在复杂的战区自主飞行是时下的一个热点。这里采用了蚁群算法做出了探讨。并用matlab实现。假定无人机的活动范围为20km×20km的区域，无人机起点的平面坐标为[1,2][单位：km], 攻击目标的平面坐标为[19,18][单位：km]，同时不考虑无人机起飞降落时的限制。数字地图和敌方威胁情况[主要考虑雷达威胁]已在附件中给出。数字地图可以做适当的简化，比如可以把地形近似分为三种：高地，低
AntDemo
- 完成了一个基本的蚁群聚类算法，根据蚁群活动，信息数残留，类进行聚类-Completed a basic ant colony clustering algorithm based on ant colony activities, information on the number of residues, class clustering
ant_wsn
- 为了在无线传感器网络中降低能耗和最大化网络生存期,提出一种能量高效的数据收集算法 (energy-efficient data gathering algorithm, EEDGA)。该算法利用移动代理模型在网络中进行数据收集。首先, EEDGA根据监测精度的要求控制活动节点的数量 然后,通过求最小支配集得到具体的工作节点 最后,利用蚁 群算法规划移动代理迁移的最优路线,移动代理以渐进方式收集活动节点的监测数据。仿真结果表明,与典型算 法相比,该算法具有更低的能耗和更长的网络生存
ECG-classification
- 心电图是一种经胸腔的以时间为单位记录心脏的电生理活动，并通过皮肤上的电极捕捉并记录下来的诊疗技术，能警示人体心脏健康状况。我们对十种不同心脏状况的心电图（ECG）数据进行实验，在对原始数据进行了一系列预处理后，利用PCA和ICA进行特征提取降维得到新的特征空间，并利用支持向量机进行训练，最后对未分类心电数据进行分类标记并评价其性能。-Electrocardiography (ECG) is a transthoracic interpretation of the electrical acti
slopeOne
- 协同过滤中的slopeone，可以用来预测活动用户对目标项目的评分-slopeone for collaborative filtering,to predict score for active user on target item
activity-recognition-based-on-SVM
- 基于支持向量机的人类活动识别，以日常生活中的10个活动进行识别。-Support Vector Machine (SVM) was first proposed in 1995 by Cortes and Vapnik [15] for solving classification and regression problems. The solving strategy of SVM on the multiple classification problems is com
activity-recognition-based-on-DRNN
- 基于多层神经网络的人类活动识别，智能家居领域的一项重大突破。-Activity recognition has received increasing attention from the machine learning community. Of particular interest is the ability to recognize activities in real time streaming data, but this presents a number of
Desktop
- 随着人们的生活不断提高，旅游已成为提高人们生活质量的重要活动，在旅游过程中，广大游客都希望找到最佳旅游线路。而旅游线路遇到的最直接的问题是景点的具体位置。比如九寨沟景区，里面的景点多达四十一个，怎样才能准确找到自己要去景点的位置，已经成为了亟待解决的关键问题。为此，九寨沟景区决定铺设空中缆车索道，让广大游客可以在最短的时间内游览更多的景点。-With the continuous improvement of people s life, tourism has become important
Firefly-Algorithm
- 萤火虫算法源于模拟自然界萤火虫在晚上的群聚活动的自然现象而提出的，每只萤火虫被视为解空间的一个解，萤火虫种群作为初始解随机的分布在搜索空间中，然后根据自然界萤火虫的移动方式进行解空间中每只萤火虫的移动。通过每一代的移动，最终使的萤火虫聚集到较好的萤火虫周围，也即是找到多个极值点，从而达到种群寻优的目的。-Firefly firefly algorithm derived the simulation of natural phenomena in the natural night clust
acgs
- 基于组相似的活动轮廓模型，Active Contours with Group Similarity，该源码是CVPR2013年中一篇文章的matlab代码，能够自动提取相似目标的公共形状，具有一定的参考价值。-Group similar to the active contour model based on, active contours with group similarity, the source code is CVPR2013 years in an article in th
SOA
- 人群搜索算法（SOA , Seeker Optimization Algorithm）是基于人类的社会生活习惯，模拟人类搜索活动的智能行为的一种新的基于种群的启发式随机搜索算法。 -People search Algorithm (SOA, Seeker Optimization Algorithm) is based on human social life habit, simulation of the intelligent human search activity of a ki
人工蜂群算法
- 人工蜂群算法(Artificial Bee Colony, ABC)是由Karaboga于2005年提出的一种新颖的基于群智能的全局优化算法，其直观背景来源于蜂群的采蜜行为，蜜蜂根据各自的分工进行不同的活动，并实现蜂群信息的共享和交流，从而找到问题的最优解。人工蜂群算法属于群智能算法的一种。(Artificial bee colony algorithm is a novel optimization algorithm based on swarm intelligence is propos
06 机器学习
- 机器学习是研究如何使用机器来模拟人类学习活动的一门学科，本文档描述了机器学习的概念和相关应用(Machine learning is a subject that studies how to use machines to simulate human learning activities. This document describes the concept and application of machine learning.)