批处理感知器算法的代码matlab w1=[1,0.1,1.1;1,6.8,7.1;1,-3.5,-4.1;1,2.0,2.7;1,4.1,2.8;1,3.1,5.0;1,-0.8,-1.3; 1,0.9,1.2;1,5.0,6.4;1,3.9,4.0]; w2=[1,7.1,4.2;1,-1.4,-4.3;1,4.5,0.0;1,6.3,1.6;1,4.2,1.9;1,1.4,-3.2;1,2.4,-4.0; 1,2.5,-6.1;1,8.4,3.7;1,4.1,-2.2]; w3=[1,-3.0,-2.9;1,0.5,8.7;1,2.9,2.1;1,-0.1,5.2;1,-4.0,2.2;1,-1.3,3.7;1,-3.4,6.2; 1,-4.1,3.4;1,-5.1,1.6;1,1.9,5.1]; figure; plot(w3(:,2),w3(:,3),'ro'); hold on; plot(w2(:,2),w2(:,3),'b+'); W=[w2;-w3];%增广样本规范化 a=[0,0,0]; k=0;%记录步数 n=1; y=zeros(size(W,2),1);%记录错分的样本 while any(y<=0) k=k+1; y=a*transpose(W);%记录错分的样本 a=a+sum(W(find(y<=0),:));%更新a if k >= 250 break end end if k<250 disp(['a为：',num2str(a)]) disp(['k为：',num2str(k)]) else disp(['在250步以内没有收敛，终止']) end %判决面：x2=-a2*x1/a3-a1/a3 xmin=min(min(w1(:,2)),min(w2(:,2))); xmax=max(max(w1(:,2)),max(w2(:,2))); x=xmin-1:xmax+1;%(xmax-xmin): y=-a(2)*x/a(3)-a(1)/a(3); plot(x,y)
上传时间： 2016-11-07
上传用户：a1241314660
K-Means算法是最古老也是应用最广泛的聚类算法，它使用质心定义原型，质心是一组点的均值，通常该算法用于n维连续空间中的对象。 K-Means算法流程 step1：选择K个点作为初始质心 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 例如下图的样本集，初始选择是三个质心比较集中，但是迭代3次之后，质心趋于稳定，并将样本集分为3部分 我们对每一个步骤都进行分析 step1：选择K个点作为初始质心 这一步首先要知道K的值，也就是说K是手动设置的，而不是像EM算法那样自动聚类成n个簇 其次，如何选择初始质心 最简单的方式无异于，随机选取质心了，然后多次运行，取效果最好的那个结果。这个方法，简单但不见得有效，有很大的可能是得到局部最优。 另一种复杂的方式是，随机选取一个质心，然后计算离这个质心最远的样本点，对于每个后继质心都选取已经选取过的质心的最远点。使用这种方式，可以确保质心是随机的，并且是散开的。 step2：repeat 将每个点指派到最近的质心，形成K个簇 重新计算每个簇的质心 until 质心不在变化 如何定义最近的概念，对于欧式空间中的点，可以使用欧式空间，对于文档可以用余弦相似性等等。对于给定的数据，可能适应与多种合适的邻近性度量。
上传时间： 2018-11-27
上传用户：1159474180
设有n=2k个运动员要进行网球循环赛。现要设计一个满足以下要求的比赛日程表：⑴每个选手必须与其他n-1个选手各赛一次；⑵每个选手一天只能赛一次；⑶循环赛一共进行n-1天。按此要求可将比赛日程表设计－成有n行和n-l列的一个表。在表中第i行和第j列处填入第i个选手在第j天所遇到的选手。用分治法编写为该循环赛设计一张比赛日程表的算法并运行实现、对复杂度进行分析。
上传时间： 2019-06-04
上传用户：594551562
利用FIFO先进先出算法实现分页请求，先进先出
上传时间： 2019-12-01
上传用户：yytyj
移动机器人路径规划尤其是未知环境下机器人路径规划是机器人技术中的一个重要研究领域，得到了很多研究者的关注，并取得了一系列重要成果。目前已存在许多用来解决该问题的优化算法，但是此类问题属于N-Hard问题，寻求更佳的算法就成为该领域的一个研究热点。为此，根据机器人路径规划算法的研究现状和向智能化，仿生化发展的趋势，研究了一种基于图的机器人路径规划蚂蚁优化算法。算法首先用栅格法对机器人的工作空间进行建模，并用一个状态矩阵表示其状态，由此构造出一个连通图，由一组蚂蚁在图上模拟蚂蚁的觅食行为，从而得到避碰的优化路径。最后，借鉴分枝随机过程和生灭过程的理论知识，用概率的方法从理论上对该算法的收敛性进行了分析，在此基础上，结合计算机仿真结果，证实了本文提出的算法的有效性和收敛性。迄今为止，对于未知环境下机器人路径规划，人们已经探索出了许多有效的求解方法诸如虚拟力场法、基于学习或Q学习的规划方法、滚动窗口规划方法、非启发式方法及各类定位、导航方法等等。近年来，不少学者用改进的遗传算法、神经网络、随机树、蚁群算法等方法对未知环境下机器人路径进行了规划机器人路径规划算法向智能化、仿生化发展是一个明显的趋势.由于已有算法不同程度的存在一定局限性，诸如搜索空间大、算法复杂、效率不高等，尤其对于未知环境，不少路径规划算法的复杂度较高，甚至无法求解，根据日前的研究现状和不足，本文提出了一种用于解决未知环境下机器人路径规划的基于图的蚂蚁算法，理论分析和实验结果都证明了本文算法的有效性和收敛性本课题研究的主要内容本文在用概格法对机器人的工作空间进行建模的基础上，用一个状态矩阵表示其状态，由此构造一个连通图，由一组蚂蚊在图上模拟蚂蚁的觅食行为，从而得到避碰的优化路径并借鉴分枝随机过程和生灭过程的理论知识用概率的方法从理论上对该算法的收敛性进行了分析，结合计算机仿真，证明了本文算法的有效性和收敛性
上传时间： 2022-03-10
上传用户：kingwide
第一章 机器学习革命学习算法入门为何商业拥护机器学习给科学方法增压10亿个比尔·克林顿学习算法与国家安全我们将走向何方第二章 终极算法来自神经科学的论证来自进化论的论证来自物理学的论证来自统计学的论证来自计算机科学的论证机器学习算法与知识工程师天鹅咬了机器人终极算法是狐狸，还是刺猬我们正面临什么危机新的万有理论未达标准的终极算法候选项机器学习的五大学派第三章 符号学派：休谟的归纳问题特别说明：仅作为爱好者学习使用（请勿商用）！本文档由人工智能吧（QQ群 565128329）整理提供并更多学习分享，若觉得不错请购买印刷版书籍。约不约“天下没有免费的午餐”定理对知识泵进行预设如何征服世界在无知与幻觉之间你能信任的准确度归纳是逆向的演绎掌握治愈癌症的方法20问游戏符号学派第四章 联结学派：大脑如何学习感知器的兴盛与衰亡物理学家用玻璃制作大脑世界上最重要的曲线攀登超空间里的高峰感知器的复仇一个完整的细胞模型大脑的更深处第五章 进化学派：自然的学习算法达尔文的算法探索：利用困境程序的适者生存法则性有何用先天与后天谁学得最快，谁就会赢第六章 贝叶斯学派：在贝叶斯教堂里统治世界的定理所有模型都是错的，但有些却有用从《尤金·奥涅金》到Siri所有东西都有关联，但不是直接关联推理问题掌握贝叶斯学派的方法马尔可夫权衡证据逻辑与概率：一对不幸的组合第七章 类推学派：像什么就是什么完美另一半维数灾难空中蛇灾爬上梯子起床啦第八章 无师自通物以类聚，人以群分发现数据的形状拥护享乐主义的机器人熟能生巧学会关联第九章 解开迷惑万里挑一终极算法之城马尔科夫逻辑网络从休谟到你的家用机器人行星尺度机器学习医生马上来看你第十章 建立在机器学习之上的世界性、谎言和机器学习数码镜子充满模型的社会分享与否？方式、地点如何？神经网络抢了我的工作战争不属于人类谷歌＋终极算法=天网？进化的第二部分
上传时间： 2022-05-07
上传用户：
遗传算法(genetical algorithm)是模拟自然界生物进化过程与机制求解问题的一类自组织与自适应的人工智能技术，已广泛应用于计算机科学、人工智能、信息技术及工程实践。 全书共分3章，第l章给出了遗传算法的几何理论，第2章给出了遗传算法的马尔可夫链分析，第3章给出了遗传算法的收敛理论。 本书可以作为应用数学、计算机科学、系统科学等专业研究生的教材，也可以作为研究遗传算法的参考书。 遗传算法的数学基础由张文修、梁怡编著，是一本重点在于阐述遗传算法的数学基础的书籍。
上传时间： 2022-05-25
上传用户：
matlab数学建模算法全收录 超清书签版
上传时间： 2013-05-15
上传用户：eeworm
视频图像格式转换芯片的算法研究
上传时间： 2013-05-25
上传用户：eeworm
精通：VISUAL C++指纹模式识别系统算法及实现_0
上传时间： 2013-06-01
上传用户：eeworm
