简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
飞蛾扑火算法一、飞蛾扑火算法背景知识二、飞蛾扑火算法原理三、算法流程总结四、飞蛾扑火算法Python实现一、飞蛾扑火算法背景知识飞蛾扑火优化(Moth-flame optimization,MFO)是一种启发式搜索算法,由由Seyedali Mirjalili在2015年提出。该算法具有并行优化能力强,全局性优且不易落入局部极值的性能特征,逐渐引起了学术界和工程界的关注。飞蛾在夜间有一种特殊的导航
蚁群算法1. 蚁群算法基本原理2. 蚁群算法实现1. 蚁群算法基本原理蚁群算法(Ant Colony Algorithm, ACA)由Marco Dorigo于1992年提出。蚁群原理:蚁群算法的基本原理来源于自然界觅食的最短路径原理。根据昆虫学家的观察,蚂蚁可以在没有任何提示的情况下找到从食物源到巢穴的最短路径,并且能在环境发生变化(如原有路径上有了障碍物)后,自适应地搜索新的最佳路径。蚂蚁是怎
GPS协议标准目前常用到的是NMEA-0183,很显然,这是由NMEA发布的一个标准。NMEA是National Marine Electronics Association ,即美国国家海洋电子协会的缩写,NMEA是GPS的管理者,为方便GPS的推广应用,发布了一系列GPS协议的标准格式。NMEA-0183就是GPS协议标准的一个,它的早期版本为NMEA-0180和NMEA-0182。虽然它现在
最小二乘支持向量机分类器1.支持向量机分类2.最小二乘支持向量机3.LSSVM的Python实现在这篇文章中,我们讨论支持向量机(SVM)分类器的最小二乘版本。由于公式中的相等类型约束。解是由解一组线性方程得出的。而不是经典的支持向量机的二次规划。本文针对两类分类问题,提出了支持向量机的最小二乘模型。对于函数估计问题,支持向量解释边缘回归。在(Saunders et al., 1998)中,它考虑
线性支持向量回归1.SVM分类器2.支持向量回归于支持向量机的不同之处3. SVM 算法小结1.SVM分类器SVM 擅长解决复杂的中小规模的非线性问题,甚至在特征多余训练样本时也能有非常好的表现。但是随着样本量的增加,SVM模型的计算复杂度会呈m^2或m^3增加。SVM 算法涉及到非常多的概念:间隔、支持向量、核函数、对偶、凸优化等。在两类样本线性可分的情况下,感知机可以保证找到一个解,完全正确的
小波阈值去噪原理及实现1.小波阈值去噪的基本原理2.小波阈值去噪需要考虑的问题3.小波阈值的实现1.小波阈值去噪的基本原理将信号通过小波变换(采用Mallat算法)后,信号产生的小波系数含有信号的重要信息,将信号经小波分解后小波系数较大,噪声的小波系数较小,并且噪声的小波系数要小于信号的小波系数,通过选取一个合适的阀值,大于阀值的小波系数被认为是有信号产生的,应予以保留,小于阀值的则认为是噪声产生
几年之前接触到Git,中间好长时间不用,就忘了,这次有需要用到,特写下此博文记录,以便日后查阅。Git官网下载安装:Git官网1、Git安装之后需要进行一些基本信息设置a、设置用户名:git config – global user.name ‘你再github上注册的用户名’;b、设置用户邮箱:git config – global user.email ‘注册时候的邮箱’;注意:该配置会在gi
经纬度坐标与距离的相互转换1.经纬度与距离角度的换算关系:2 Python代码实现1.经纬度与距离角度的换算关系:a)在纬度相等的情况下:经度每隔0.00001度,距离相差约1米;每隔0.0001度,距离相差约10米;每隔0.001度,距离相差约100米;每隔0.01度,距离相差约1000米;每隔0.1度,距离相差约10000米。b)在经度相等的情况下:纬度每隔0.00001度,距离相差约1.1米
目录:机器学习监督学习无监督学习单变量线性回归代价函数梯度下降批量梯度下降1.机器学习含义机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。目标“让机器自己学习怎么来解决问题”由Tom Mitchell定义的机器学习是,一个好的学习问题或一个程序 认为能从经验E中学习,解决任务T,达到性能度量值
布谷鸟算法一、布谷鸟算法背景知识二、布谷鸟算法思想简介三、布谷鸟算法流程四、布谷鸟算法的Python实现五、布谷鸟算法matlab实现一、布谷鸟算法背景知识2009年,Xin-She Yang 与Suash Deb在《Cuckoo Search via Levy Flights》一文中提出了布谷鸟算法(简称CS)。假设每只布谷鸟一次只产一枚卵 ,并且宿主鸟发现外来鸟蛋后,就舍弃该鸟窝,另寻他地建造