① 设计和实现基于哈夫曼算法的编码和译码功能，系统功能包括：产生哈夫曼编码，输入电文进行编码生成码文，将码文译成电文，对输入电文和译文作对比等。
上传时间： 2017-09-16
上传用户：源弋弋
遗传算法为群体优化算法，也就是从多个初始解开始进行优化，每个解称为一个染色体，各染色体之间通过竞争、合作、单独变异，不断进化。 优化时先要将实际问题转换到遗传空间，就是把实际问题的解用染色体表示，称为编码，反过程为解码，因为优化后要进行评价，所以要返回问题空间，故要进行解码。SGA采用二进制编码，染色体就是二进制位串，每一位可称为一个基因；解码时应注意将染色体解码到问题可行域内。 遗传算法模拟“适者生存，优胜劣汰”的进化机制，染色体适应生存环境的能力用适应度函数衡量。对于优化问题，适应度函数由目标函数变换而来。一般遗传算法求解最大值问题，如果是最小值问题，则通过取倒数或者加负号处理。SGA要求适应度函数>0，对于<0的问题，要通过加一个足够大的正数来解决。这样，适应度函数值大的染色体生存能力强。 遗传算法有三个进化算子：选择（复制）、交叉和变异。 SGA中，选择采用轮盘赌方法，也就是将染色体分布在一个圆盘上，每个染色体占据一定的扇形区域，扇形区域的面积大小和染色体的适应度大小成正比。如果轮盘中心装一个可以转动的指针的话，旋转指针，指针停下来时会指向某一个区域，则该区域对应的染色体被选中。显然适应度高的染色体由于所占的扇形区域大，因此被选中的几率高，可能被选中多次，而适应度低的可能一次也选不中，从而被淘汰。算法实现时采用随机数方法，先将每个染色体的适应度除以所有染色体适应度的和，再累加，使他们根据适应度的大小分布于0-1之间，适应度大的占的区域大，然后随机生成一个0-1之间的随机数，随机数落到哪个区域，对应的染色体就被选中。重复操作，选出群体规模规定数目的染色体。这个操作就是“优胜劣汰，适者生存”，但没有产生新个体。 交叉模拟有性繁殖，由两个染色体共同作用产生后代，SGA采用单点交叉。由于SGA为二进制编码，所以染色体为二进制位串，随机生成一个小于位串长度的随机整数，交换两个染色体该点后的那部分位串。参与交叉的染色体是轮盘赌选出来的个体，并且还要根据选择概率来确定是否进行交叉（生成0-1之间随机数，看随机数是否小于规定的交叉概率），否则直接进入变异操作。这个操作是产生新个体的主要方法，不过基因都来自父辈个体。 变异采用位点变异，对于二进制位串，0变为1，1变为0就是变异。采用概率确定变异位，对每一位生成一个0-1之间的随机数，看是否小于规定的变异概率，小于的变异，否则保持原状。这个操作能够使个体不同于父辈而具有自己独立的特征基因，主要用于跳出局部极值。 遗传算法认为生物由低级到高级进化，后代比前一代强，但实际操作中可能有退化现象，所以采用最佳个体保留法，也就是曾经出现的最好个体，一定要保证生存下来，使后代至少不差于前一代。大致有两种类型，一种是把出现的最优个体单独保存，最后输出，不影响原来的进化过程；一种是将最优个体保存入子群，也进行选择、交叉、变异，这样能充分利用模式，但也可能导致过早收敛。 由于是基本遗传算法，所以优化能力一般，解决简单问题尚可，高维、复杂问题就需要进行改进了。 下面为代码。函数最大值为3905.9262，此时两个参数均为-2.0480，有时会出现局部极值，此时一个参数为-2.0480，一个为2.0480。算法中变异概率pm=0.05，交叉概率pc=0.8。如果不采用最优模式保留，结果会更丰富些，也就是算法最后不一定收敛于极值点，当然局部收敛现象也会有所减少，但最终寻得的解不一定是本次执行中曾找到过的最好解。
标签： 遗传算法
上传时间： 2015-06-04
上传用户：芃溱溱123
vibe是一种像素级的前景检测算法，实时性高，内存占有率低，前景检测准确率高。但是会出现“鬼影”,当然基于对鬼影的处理，也会有相应的对vibe算法的改进。
上传时间： 2018-03-05
上传用户：wyc6117
音频压缩算法，将16位的音频数据压缩成4位，大大减轻传输负担
标签： ADPCM F103 STM 103 32F 32 xx 高容 微控制器 算法
上传时间： 2018-11-28
上传用户：nahaotian
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
使用Eigen库的目的是，将Matlab写的，LPCC和MFCC两种声音识别算法，十字形声阵列的MUSIC定位算法，和SVM分类器算法，转换成C++然后移植到到ARM处理器上（操作系统级上的并不是裸机）。而使用Eigen库的原因就是，其能够在编译时进一步优化，而且只需导入头文件即可进行调用，而不像其他的一些库需要安装那么麻烦。
上传时间： 2019-11-26
上传用户：perfectOR05
该程序实现了软输入软输出Viterbi算法解码。假定一个有限长度的格子窗可以向前和向后递归。因此，它像一个的SOVA译码器的硬件实现
上传时间： 2020-06-28
上传用户：lzp962485607
王成元老师的现代电机控制，对于学习电机控制的同学来说很有帮助，里面讲了很多电机控制算法和模型。
标签： 电机控制
上传时间： 2022-03-21
上传用户：
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：
首先介绍一下原理，其实很简单，磁力对悬浮物的控制，其基本原理是：霍尔传感器在浮子的正下方，当检测到浮子向左运动时，两边的线圈一个吸一个拉，把它推向右；反之如果浮子想右运动，那么两个线圈的电流都反向，总共两组共四个这样的线圈，就可以把浮子限制在二维平面之内了。但是线圈产生的力是比较小的，因此只能够推动浮子在水平面移动，要克服浮子的重力让它悬浮起来，就要在四个线圈下面再加一个大的环形磁铁提供斥力。为了让悬浮更加稳定，我们采用了PID控制的平衡算法，对PID算法的了解有助于我们对整个实验原理的理解，借用网上对PID的一段介绍：在工程实际中，PID控制是应用最为广泛的调节器控制机制。PID控制中得P代表比例，即proportion；I代表积分，即integral；D代表微分，即differential；因此，PID控制，即比例-积分-微分控制。当被控对象的结构和参数不能完全掌握，或者得不到精确的数学模型时，其他的控制方法难以采用，那么控制器的结构和参数必须结合经验和现场调试来决定，在这种情况下采用PID调节最为方便。首先，比例控制是一种最简单的控制方式，就像胡克公式中的比例系数一样，当控制器的输出与输入信号成比例关系，那么就可以得到一个比例系数。其次，积分控制是指控制器的输出与输入的误差信号的积分有关。就如同电路中的电感元件，某个时刻的电压与电流的积分有关。类似的，有时候信号的输出必须综合之前信号的输入，而这种综合往往是求和关系，因此使用积分控制简单易行。最后，微分控制是指控制器的输出与输入信号的微分有关。最简单的微分关系就是速度是位矢的微分。我们在控制悬浮物的平衡时，光知道悬浮物偏离平衡位置的位移从而采用比例控制是不够的，对于同样的偏离位移，悬浮物可能有不同的速度，那么要求我们对悬浮物有不同的处理方法，而恰恰速度是位矢的微分，于是我们可以通过对位移输入数据进行微分操作，来实现对悬浮物的精确实时控制。可见，PID控制器是一种那个动态的控制机制。 以上就是实现下推式磁悬浮的基本原理，借助以上的基本原理，结合一定的软件算法实现，我们就可以对悬浮物进行动态控制。
上传时间： 2022-06-07
上传用户：canderile
