虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

K-MEAN

  • 模拟退火算法来源于固体退火原理

    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

    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

  • CDMA的Matlab例程

    CDMA的Matlab例程,为研究莱斯K因子影响提供一个平台,仅供参考

    标签: Matlab CDMA

    上传时间: 2013-12-26

    上传用户:龙飞艇

  • 数据结构算法:使用循环队列

    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。

    标签: 数据结构 循环 算法 队列

    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

    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

    标签: FFT DSP 编程代码 算法

    上传时间: 2015-04-29

    上传用户:牛布牛

  • 接法又称周期图法

    接法又称周期图法,它是把随机序列x(n)的N个观测数据视为一能量有限的序列,直接计算x(n)的离散傅立叶变换,得X(k),然后再取其幅值的平方,并除以N,作为序列x(n)真实功率谱的估计。

    标签: 周期

    上传时间: 2015-05-01

    上传用户:zycidjl

  • 本程序用C语言实现了集成神经网络解决广义异或问题。用神经网络集成方法做成表决网,可克服初始权值的影响,对神经网络分类器来说:假设有N个独立的子网,采用绝对多数投票法,再假设每个子网以1-p的概率给出正

    本程序用C语言实现了集成神经网络解决广义异或问题。用神经网络集成方法做成表决网,可克服初始权值的影响,对神经网络分类器来说:假设有N个独立的子网,采用绝对多数投票法,再假设每个子网以1-p的概率给出正确结果,且网络之间的错误不相关,则表决系统发生错误的概率为 Perr = ( ) pk(1-p)N-k 当p<1/2时 Perr 随N增大而单调递减. 在工程化设计中,先设计并训练数目较多的子网,然后从中选取少量最佳子网形成表决系统,可以达到任意高的泛化能力。

    标签: 神经网络 子网 程序 C语言

    上传时间: 2015-05-03

    上传用户:kiklkook

  • matlab的源程序,没有其他目的

    matlab的源程序,没有其他目的,只希望下载k均值算法看看!

    标签: matlab 源程序

    上传时间: 2013-12-25

    上传用户:xlcky

  • 提供一个人工免疫算法源程序

    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。

    标签: 人工免疫 算法 源程序

    上传时间: 2014-01-01

    上传用户:trepb001

  • uc/os-ii for 8051 This package provides the sources required to use the uC/OS-II v2.00 real time k

    uc/os-ii for 8051 This package provides the sources required to use the uC/OS-II v2.00 real time kernel on the 8051 processor. To use this package you will need the TASKING C Compiler toolset v6.0r1 or higher. For info on TASKING products you can contact our Web-site at: http://www.tasking.com Unzip the zipfile in the root of the drive where you also installed the uC/OS-II general sources. The following directories will be added: \SOFTWARE\UCOS-II\8051 This directory contains the microprocessor specific source code \SOFTWARE\UCOS-II\ex1_8051r This directory contains the project files for the first example \SOFTWARE\UCOS-II\ex2_8051r This directory contains the project files for the second example

    标签: the provides required package

    上传时间: 2015-05-21

    上传用户:ainimao