数据挖掘算法，K-means聚类算法源代码，用于聚类分析
标签： 数据挖掘算法
上传时间： 2015-04-11
上传用户：windwolf2000
数据挖掘算法，fuzzy-K-means聚类算法源代码，用于模糊聚类分析
标签： 数据挖掘算法
上传时间： 2015-04-11
上传用户：nanshan
模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。
标签： 模拟退火算法
上传时间： 2015-04-24
上传用户：R50974
模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。
标签： 模拟退火算法
上传时间： 2015-04-24
上传用户：ryb
模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。
标签： 模拟退火算法
上传时间： 2014-12-19
上传用户：TRIFCT
数据结构算法：使用循环队列，K阶斐波那契数列的一种算法实现。
上传时间： 2014-02-04
上传用户：Shaikh
DSP编程代码,FFT算法,经典!! FFT实验 一、 理论： 公式（1）FFT运算公式 FFT并不是一种新的变换，它是离散傅立叶变换（DFT）的一种快速算法。由于我们在计算DFT时一次复数乘法需用四次实数乘法和二次实数加法；一次复数加法则需二次实数加法。每运算一个X（k）需要4N次复数乘法及2N+2（N-1）=2（2N-1）次实数加法。所以整个DFT运算总共需要4N^2次实数乘法和N*2(2N-1)=2N(2N-1)次实数加法。如此一来，计算时乘法次数和加法次数都是和N^2成正比的，当N很大时，运算量是可观的，因而需要改进对DFT的算法减少运算速度。 根据傅立叶变换的对称性和周期性，我们可以将DFT运算中有些项合并。 我们先设序列长度为N=2^L，L为整数。将N=2^L的序列x(n)(n=0,1,……，N-1)，按N的奇偶分成两组，也就是说我们将一个N点的DFT分解成两个N/2点的DFT，他们又从新组合成一个如下式所表达的N点DFT： 一般来说，输入被假定为连续、合成的。当输入为纯粹的实数的时候，我们就可以利用左右对称的特性更好的计算DFT。 我们称这样的RFFT优化算法是包装算法：首先2N点实数的连续输入称为“进包”。其次N点的FFT被连续被运行。最后作为结果产生的N点的合成输出是
上传时间： 2015-04-29
上传用户：牛布牛
用遗传算法解决通信中的TDOA问题 文件名 program 完成功能 求出在进行account_test次的试验中每一次的最优染色体，并且求出均值MV，和均方误差MSE 文件名 definition_constant( ) 完成功能 对各个常量试验参数进行设定 文件名 main_program 完成功能 完成一次试验的计算 文件名 all_Noise 完成功能 计算TDOA值（由基站所测量的TDOA（受到噪声的干扰）) 文件名 gen_ini_pop_arr 完成功能 产生染色体矩阵pop_arr，矩阵的1，2行为估计的x，y坐标，矩阵的3，4行为0。
标签： account_test program TDOA 算法
上传时间： 2013-12-22
上传用户：shinesyh
提供一个人工免疫算法源程序，其算法过程包括： 1.设置各参数 2.随机产生初始群体——pop=initpop(popsize,chromlength) 3.故障类型编码，每一行为一种！code(1,:)，正常；code(2,:)，50％；code(3,:)，150％。实际故障测得数据编码，这里Unnoralcode,188％ 4.开始迭代（M次）： 1）计算目标函数值：欧氏距离[objvalue]=calobjvalue(pop,i) 2）计算群体中每个个体的适应度fitvalue=calfitvalue(objvalue) 3）选择newpop=selection(pop,fitvalue) objvalue=calobjvalue(newpop,i) ％ 交叉newpop=crossover(newpop,pc,k) objvalue=calobjvalue(newpop,i) ％ 变异newpop=mutation(newpop,pm) objvalue=calobjvalue(newpop,i) ％ 5.求出群体中适应值最大的个体及其适应值 6.迭代停止判断。
上传时间： 2014-01-01
上传用户：trepb001
人头跟踪算法，采用均值漂移和形状约束模型。
标签： 跟踪算法
上传时间： 2013-12-22
上传用户：225588
