搜索资源列表
k-means
- 基于K-means聚类算法的社团发现方法 先定义了网络中节点关联度,并构建了节点关联度矩阵, 在此基础上给出了一种基于 K-means聚类算法的复杂网络社团发现方法。 以最小关联度原则选取新的聚类中心, 以最大关联度原则进行模式归类,直到所有的节点都划分完为止, 最后根据模块度来确定理想的社团数-K-means clustering algorithm based on the association discovery To define a network node cor
RoboCup
- 文章从功能分析、结构设计、软件实现三个层面，逐步求精的设计实现混合的Agent体系结构，规划各模块的功能和接口，并解决Agent与Server的同步问题。 介绍底层通信器、感知器、执行器的实现。 第五章使用类图设计世界模型的结构，设计更新算法融入各种感知信息和动作 预测，依据基本信息推导出一些球场状况判断函数为高层决策所用。 介绍了建立四层动作模型，采用解析计算法实现多种个人技术动作，如跑位、 截球、传球、带球、射门、守门等。-Articles from functional
FindRouteGUI
- 1，已完成功能 （1）距离短时大部分情况下可以选择最短路径进行移动 （2）加入了精英选择优化算法 （3）无论地图大小一定可以得出路径 （4）点击障碍物可以得出路径 3,代码改进 将原来两大类（Widget，Geno）拆分成三个类（Widget，Handle，Geno）， Widget：显示界面等可视化元素，获取最短路径并显示移动， Handle：优化路径，得出最短路径，以后会加入通信模块 Geno：计算得出一定数量的可达路径 4，算法描述
huitu1
- 基于VC++的模糊控制汽车倒车仿真 介绍了基于VC++的模糊控制汽车倒车的仿真系统设计及实现过程，在建立汽车倒车数学模型的基础上，通过VC++编写模糊控制程序，并通过微软基础类（MFC）设计仿真界面，使汽车在倒车时的状态及其运动轨迹能够动态的显示。在仿真软件设计中，汽车倒车模型与控制器采用模块化设计方法，具有一定的通用性，易于扩展。通过该仿真系统可以找到汽车倒车的“死区”范围，检验并改进控制算法。实验表明用模糊控制方法控制汽车倒车，汽车运动轨迹圆滑，倒车准确，具有很好的鲁棒性。-The Si
multi-class-problem
- 将多类别问题分解成多个二类别问题是解决多类别分类问题的常用方式。传统one against all（OAA）分解方式的性能更多的依赖于个体分类器的精度，而不是它的差异性。本文介绍一种基于集成学习的适于多类问题的神经网络集成模型，其基本模块由一个OAA方式的二类别分类器和一个补充多类分类器组成。测试表明，该模型在多类问题上比其他经典集成算法有着更高的精度，并且有较少存储空间和计算时间的优势。-Decompose multi-class problem into multiple binary cl
KMeans
- 模式识别。KMeans聚类。输入参数，输出结果。完整模块。可以直接调用-Pattern Recognition. KMeans clustering. Input parameters and output results. Complete module. You can directly call
KMeans
- 模式识别。KMEANS聚类。完整模块。可以直接调用-Pattern Recognition. KMEANS clustering. Complete module. You can directly call
KMeanskmeans
- 模式识别。KMEANS聚类功能。完整模块。可以直接调用-Pattern Recognition. KMEANS clustering. Complete module. You can directly call
mpca
- 以下Matlab项目包含用于模块化pca的源代码和Matlab示例。 代码有一些问题，orl面部从1.pgm命名为400.pgm.5从每个类中随机抽取的测试和训练集。图像分为4部分。-The following Matlab project contains the source code and Matlab examples used for modular pca. the code has some problem,orl faces are named 1.pgm to 400.pg