摘　要:提出一种新的基于Pareto多目标进化免疫算法(PMEIA)。算法在每一代进化群体中选取最优非支配抗体保存到记忆细胞文档中 同时引入Parzen窗估计法计算记忆细胞的熵值,根据熵值对记忆细胞文档进行动更新,使算法向着理想Pareto最优边界搜索。此外,算法基于点在目标空间分况进行克隆选择,有利于得到分布较广的Pareto最优边界,且加快了收敛速度。与已有算法相比, PMEIA在收敛性、多样性,以及解的分布性方面都得到很好的提高。-Abstract:This paperproposed a

从改进提议分布的成片野值容错能力入手，提出了基于残差正交判别的UPF容错滤波算法，该算 法将残差正交判别法UKF的野值自适应性和粒子滤波的“适者生存性”有机地结合起来．通过非线性状态估计 的实验，证实了这种新的自适应粒子滤波对成片野值处理的有效性，-Proposal from the improved value of the distribution of fault tolerance into the film field, put forward an identificatio

主要介绍了分布估计算法方面关于熵的介绍，实现最大熵分布估计算法-Mainly introduces the estimation of distribution algorithm on entropy is introduced, the realization of maximum entropy estimation of distribution algorithm

EM 算法是求参数极大似然估计的一种方法，它可以从非完整数据集中对参数进行估计，是一种非常简单实用的学习算法。这种方法可以广泛地应用于处理缺损数据、截尾数据以及带有噪声等所谓的不完全数据，可以具体来说，我们可以利用EM算法来填充样本中的缺失数据、发现隐藏变量的值、估计HMM中的参数、估计有限混合分布中的参数以及可以进行无监督聚类等等。-Expectation Maximization image segmentation Input: ima: gr