基于遗传算法和模拟退火算法改进的混合模拟退火算法（处理求函数极值问题，MATLAB代码已实现）混合模拟退火算法时遗传算法和模拟退火算法的结合，在混合模拟退火算法中使用了大量的样本作为问题的可能处理方案而不是将单个样本作为一个问题的可能处理方案。
对遗传算法中适应的概念进行相应改进。
对遗传算法中适应的概念进行相应改进。
2023/2/5 3:57:23
9KB
1
模式识别miniproject-脱机手写签名识别，这是每个学习模式识别的同学必做的课程设计miniproject，主要功能要求如下：一共有20个人，在其对应的文件夹中存放了每个人的20个手写签名图像，每幅图像均为PCX图像格式，大小为12994像素大小。
对每个人的手写签名，用其中80%的图像作为训练样本进行训练，用余下的20%的图像进行测试。
在签名图像进行特征提取时，提取6个ET1和6个DT12轮廓特征。
每一个人的手写签名特征假设为48维特征空间的多维高斯分布。
用贝叶斯参数估计法估算概率密度函数（pdf），然后用Bayes分类器识别。
分别计算closetest和opentest下的分类功能。
根据每个类的概率分布函数的最近邻估算来计算贝叶斯识别的opentest识别率。
适用kn最近邻法来直接估算每个类在每个测试样本的后验概率并计算opentest下的分类功能，将该识别率表示为一个关于k的函数并绘图。
这些是基于后验概率的非参数估计的贝叶斯估计。
对每个人的手写签名，用其中80%的图像作为训练样本进行训练，用余下的20%的图像进行测试。
在签名图像进行特征提取时，提取6个ET1和6个DT12轮廓特征。
每一个人的手写签名特征假设为48维特征空间的多维高斯分布。
用贝叶斯参数估计法估算概率密度函数（pdf），然后用Bayes分类器识别。
分别计算closetest和opentest下的分类功能。
根据每个类的概率分布函数的最近邻估算来计算贝叶斯识别的opentest识别率。
适用kn最近邻法来直接估算每个类在每个测试样本的后验概率并计算opentest下的分类功能，将该识别率表示为一个关于k的函数并绘图。
这些是基于后验概率的非参数估计的贝叶斯估计。
2023/1/30 10:20:44
816KB
1
多输出支持向量回归对于一般的回归问题，给定训练样本D={(x1,y1),(x2,y2),...,(xn,yn)},yi€R,我们希望学习到一个f（x）使得其与y尽可能的接近，w，b是待确定的参数。
在这个模型中，只要当f(x)与y完全相同时，损失才为零，而支持向量回归假设我们能容忍的f(x)与y之间最多有ε的偏差，当且仅当f(x)与y的差别绝对值大于ε时，才计算损失，此时相当于以f(x)为中心，构建一个宽度为2ε的间隔带，若训练样本落入此间隔带，则认为是被预测正确的。
（间隔带两侧的松弛程度可有所不同）------
在这个模型中，只要当f(x)与y完全相同时，损失才为零，而支持向量回归假设我们能容忍的f(x)与y之间最多有ε的偏差，当且仅当f(x)与y的差别绝对值大于ε时，才计算损失，此时相当于以f(x)为中心，构建一个宽度为2ε的间隔带，若训练样本落入此间隔带，则认为是被预测正确的。
（间隔带两侧的松弛程度可有所不同）------
2023/1/27 12:33:31
5KB
1
本书逐一引见了C++习惯用法的历史背景，C++语言结构，面向对象程序设计继承的多态性，样本实例，高层对象的系统性问题等。
适合中高级c++程序员！
适合中高级c++程序员！
2023/1/16 19:36:01
11.67MB
1
包括数字0-9的手写数据集。
每个数字大约有200个样本。
每个样本保持在一个txt文件中，数字图像是32x32，所以txt文件的内容也是32x32个数字，0或者1。
具体运用方法见博客：http://blog.csdn.net/zouxy09
每个数字大约有200个样本。
每个样本保持在一个txt文件中，数字图像是32x32，所以txt文件的内容也是32x32个数字，0或者1。
具体运用方法见博客：http://blog.csdn.net/zouxy09
2023/1/14 2:18:35
723KB
1
经改过的vc++神经网络算法基本bp神经网络算法和改进型bp神经网络算法都是我改写完成的算法，是网上四处传播的一个c++bp神经网络算法改写的，由于网上的那个算法编译会出现若干百个错误，所以我在其基础上重新编写和改进，写出了这两个算法！输入样本是通过“样本.txt”读入程序中的，文本中样本注解：1-1111//前3个数字是第一个样本输入数据，后两个是输出数据01110//这行是第二个样本的输入输出数据数据更改后，要重新设置程序中的样本数和输入层还有隐层“权值.txt”里面A是指隐层到输入之间的权值，B是输出层到隐层之间的权值，因为程序中要读入数据流的缘故，所以没有写入中文，写了不好控制！
2023/1/13 6:22:15
31KB
1
用于生成正样本描述的objectmarker（附源码）鼠标选定区域，空格记录，回车退出程序并保存。
留意：每次保存都以info.txt命名，所以运行前的info.txt会被重写。
留意：每次保存都以info.txt命名，所以运行前的info.txt会被重写。
2017/11/12 3:19:25
25.12MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB