搜索资源列表
S200502106_SVM_for_classfication
- SVM用于模式识别 整理别人的代码（原来的是英文）所得： kernel.m用于内积矩阵的计算 svcplot.m用于绘图 svm168.m是主程序 testlin.m是采用线形内积函数的支持向量机应用的 文件 testrbf.m是采用RBF内积函数的支持向量机应用 的 文件 每个文件中都有说明。 仿真平台matlab7.0, 仿真全部通过 将所有文件拷贝到work目录下（注意不要直接将上层文件夹直接拷贝到work目录下，若那样操作，必须在matla
GA_for_TSP
- 用遗传算法求解背包问题是南京航空航天大学信息与计算科学专业编写的.本程序利用遗传算法来求解背包问题.采用二进制字符串编码,1表示选择物体,0则不选择. 背包问题描述:在M件物品取出若干件放在空间为W的背包里，每件物品的重量为W1，W·2……Wn，与之相对应的价值为P1,P2……Pn。求出获得最大价值的方案。注意：在本题中，所有的重量值均为整数。-genetic algorithm knapsack problem is the Nanjing University of Aeronauti
megahal-9.1.1
- megahal is the conversation simulators conversing with a user in natural language. The program will exploit the fact that human beings tend to read much more meaning into what is said than is actually there MegaHAL differs from conversation simulat
Substituter.java
- 代入法的启发示搜索 我的代码实现是：按照自然语言各字母出现频率的大小从高到低（已经有人作国统计分析了）先生成一张字母出现频率统计表（A）--------(e),(t,a,o,i,n,s,h,r),(d,l),(c,u,m,w,f,g,y,p,b),(v,k,j,x,q,z) ，再对密文字母计算频率，并按频率从高到低生成一张输入密文字母的统计表（B），通过两张表的对应关系，不断用A中的字母去替换B中的字母，搜索不成功时就回退，在这里回朔是一个关键。 -generation into a
ga-bp
- 程序名：ga_bp_predict.cpp 描述： 采用GA优化的BP神经网络程序，用于单因素时间 序列的预测,采用了单步与多步相结合预测 说明： 采用GA(浮点编码)优化NN的初始权值W[j][i],V[k][j]，然后再采用BP算法 优化权值
AHybidGeneticAgorithmtoSolveTS
- 求解TSP和MTSP的混合遗传算法_英文_,Abstract:M any app licat ions are invo lved w ith mult ip le salesmen each of w hom visits a subgroup cit ies and returns the same start ing city. The to tal length of all subtours is required to be m ini2 mum. Th is is called
libsvm-2.88
- 支撑向量机SVM的工具LIBSVM，能够在windows平台下通过命令行使用，也可以在matlab下调用，适合于研究复杂条件下的分类问题-Libsvm is a simple, easy-to-use, and efficient software for SVM classification and regression. It solves C-SVM classification, nu-SVM classification, one-class-SVM, epsilon-SVM
C-W
- 旅行商算法 节约算法解决旅行商问题，可运行程序-c-w finish vrp PROBELM quick ,help c++ system
tenlei
- function [U,center,result,w,obj_fcn]= fenlei(data) [data_n,in_n] = size(data) m= 2 ％ Exponent for U max_iter = 100 ％ Max. iteration min_impro =1e-5 ％ Min. improvement c=3 [center, U, obj_fcn] = fcm(data, c) for i=1:max_iter if
getgrad
- Produces a matrix of derivatives of network output w.r.t. ％ each network weight for use in the functions NNPRUNE and NNFPE.-Produces a matrix of derivatives of network output wrt each network weight for use in the functions NNPRUNE and NNFPE.
bp
- #include "iostream.h" #include "iomanip.h" #define N 20 //学习样本个数 #define IN 1 //输入层神经元数目 #define HN 8 //隐层神经元数目 #define ON 1 //输出层神经元数目 double P[IN] //单个样本输入数据 double T[ON] //单个样本教师数据 double W[HN][IN] //输入层至隐层权值 double V[ON][HN] //隐
dosjumper
- 利用c++编写的带人工智能的跳棋程序。屏幕的中央是棋盘，所有的操作都是对这个棋盘进行的，棋子的选择框是红色的，移动它（“w”、“s”、“a”、“d”分别代表上、下、左、右）进行选子和选择目的地，利用空格键可以表示选定选择框到达的位置，棋盘左边有提示信息，提示由哪个玩家走棋。“Q”表示退出游戏，“R”表示重新开始，“H”表示悔棋（一次只能悔一步棋）-Using c++, prepared with artificial intelligence Checkers procedures. Scree
T-W
- 电厂风速和床温的数据,非常难得,希望大家珍藏!电厂风速和床温的数据,非常难得,希望大家珍藏!-Wind power and bed temperature data, is very rare, I hope everyone treasures! Plant bed temperature and wind speed data, a very rare, I hope everyone treasures!
TSPandMTSP
- MTSP 问题其实与单 旅行商问题(Traveling Salesperson Problem ,简称TSP) 相似,但是由于添加了任何城市只要被某一旅行商访问到即可这个附加条 件,因而增加了问题复杂度。在以前使用遗传算法(GA) 研究解决MTSP 问题时,通常采用标准的TSP 染色体和处理方法。-M any app licat ions are invo lved w ith mult ip le salesmen each of w hom visits a subgroup c
box
- 由文件input.txt提供输入数据。输入文件第1 行有2个正整数n和m（1<=n,m<=100）， 表示仓库是n×m个格子的矩形阵列。接下来有n行，每行有m个字符，表示格子的状态。 S 表示格子上放了不可移动的沉重货物； w 表示格子空闲； M 表示仓库管理员的初始位置； P 表示箱子的初始位置； K 表示箱子的目标位置。 -Provided by the input data file input.txt. Line 1 input file ther
Matlabeg
- 基于 Ma t l a b语言的遗传算法工具箱支持二进制和浮点数编码方式， 并且提供了多种选择、 交叉、 变异的方法。 通过具体实例对 Ma t l a b的遗传 算法工具箱的用法进行 了说 明介绍.-The Ge ne t i c Al g or it h m To o l b ox ba s e d on Ma t l a b s u ppo ~s t h e b i na r y a nd f lo a t ， a n d t he r e a r e t
steerfilter
- Design and Use of Steerable Filters PAMI1991文章的代码，含有测试图像和demo，可运行-It implements a steerable Gaussian filter. This m-file can be used to evaluate the first directional derivative of an image, using the method outlined in: W. T. Freeman and E. H.
Dijkstra
- 用Dijkstra法求最短路径，有向图与无向图均可-void ShortestPath_DIJ( Node a ,Status i ,Status v0 ,Status*D ,Status*pre ) { int v,w,j,l=1 Status*final Status min final=(Status*)malloc( sizeof(Status)*i ) for(v=0 v<i v++) { final[v]=FA
w-h
- 利用W-H规则进行网络训练时应该选取小学习率使其收敛，大的学习率会使网络发散-WH rules for network training, it should select small learning rate convergence, the learning rate will make the network divergence
w-h-02
- 用w-h规则进行网络训练的最主要的程序，很好用很简洁配注释-The main network training program wh rule, very good with the very concise with Notes