子粒
共 10 篇文章
子粒 相关的电子技术资料，包括技术文档、应用笔记、电路设计、代码示例等，共 10 篇文章，持续更新中。
基于QPSO和MATLAB优化资金投资组合
·摘 要:量子粒子群优化算法（QPSO）是一种基于粒子群优化算法（PSO）的进化算法，它收敛速度快、规则简单、易于编程实现；Matlab是国际控制界公认的标准计算软件。采用QPSO对资金组合投资的多目标问题进行优化，使用Matlab编程，解决了传统方法难以解决的问题，仿真实验表明采用本方法能对资金投资组合问题提出较好的优化决策。[著者文摘]
基于边界变异的量子粒子群优化算法
将边界变异操作引入到量子粒子群优化算法中，提出基于边界变异的量子粒子群优化算法QPSOB。该算法将越界粒子随机分布在边界附近的可行域内，以增加种群的多样性、提高算法的全局搜索能力。仿真实验证明其全局收
传感器非线性信号的智能处理与融合
<p>本书介绍了压力传感器、圆环力敏传感器、氧传感器、有机蒸气传感器及其输出的非线性信号，因传感器是将输人的非</p><p>电量转化为电学量的元件，要求将测得的电学量反演输出并显示为非电量，以达到测量的最终目的，这就要依靠除经典算</p><p>法以外的各种先进的算法．例如规范化多项式拟合法、输人－输出的归十算法、模拟退火算法、遗传算法、蚁群算法、量</p><p>子粒子群算法、神经网络算法、模糊算法
此文是关于量子粒子群一些内容
此文是关于量子粒子群一些内容，及其MATLAB程序。希望能够对大家有用。
在网络异常检测中,为了提高对异常状态的检测率
在网络异常检测中,为了提高对异常状态的检测率，降低对正常状态的误判率,本文提出一种基于量子粒子群优化算法训练小波神经网络进行网络异常检测的新方法。利用量子粒子群优化算法(QPSO)训练小波神经网络,将小波神经网络(WNN)中的参数组合作为优化算法中的一个粒子,在全局空间中搜索具有最优适应值的参数向量。
此程序为训练RBF网权值的量子粒子群优化算法
此程序为训练RBF网权值的量子粒子群优化算法，供各位参考
量子粒子群算法 mathlab,专门使用量子理论来提高粒子群算法的效率
量子粒子群算法 mathlab,专门使用量子理论来提高粒子群算法的效率，经实验表明，运算准确性和效率有很大提升
量子粒子群优化算法
量子粒子群优化算法，采用matlab编程，可实现快速优化多维函数，不易陷入局部最优值。
用量子粒子群算法解决ostu图像分割问题
用量子粒子群算法解决ostu图像分割问题，达到了较好地效果
RBF神经网络在特征选择中的应用
提出了一个自适应量子粒子群优化算法，用于训练RBF网络的基函数中心和宽度，并结合最小二乘法计算网络权值，对RBF网络的泛化能力进行改进并用于特征选择。实验结果表明，采用自适应量子粒子群优化算法获得的RBF网络模型不但具有很强的泛化能力，而且具有良好的稳定性，能够选择出较优秀的特征子集。