Chuong-3

hai this is useful for wavelet programming

说明：  RBF径向基神经网络，用于销售额、销售量的预测(RBF Radial Basis Function Neural Networks for sales, sales forecast)

经典子空间算法的完整实现，噪声消除效果比较好(an approach of speech enhancement algorithm)

K-means K均值聚类算法，不是用工具箱编的，对随机产生的数据进行聚类。压缩文件包括m函数、包含主程序和子函数的word文档。(K-means clustering algorithm, not with the toolbox series of randomly generated data clustering.M functions including compressed files, containing the main program and subroutines word document.)

机器学习实战 第7章实例代码 Machine Learning in　Action Charpter7 instance(Machine Learning in　Action Charpter7 instance)

加窗程序，包含了各种分析窗，经过调试已经通过！(Windowed program, including a variety of analysis window, after debugging has passed!)

利用rbf网络实现函数逼近的功能没使用神经网络工具箱(rbf function approximation implementation)

说明：  Image encryption code

测试可以跑，根据自己情况修改下函数即可. NSGA-III 首先定义一组参考点。然后随机生成含有 N 个（原文献说最好与参考点个数相同）个体的初始种群，其中 N 是种群大小。接下来，算法进行迭代直至终止条件满足。在第 t 代，算法在当前种群 Pt的基础上，通过随机选择，模拟两点交叉（Simulated Binary Crossover，SBX）和多项式变异 产生子代种群 Qt。Pt和 Qt的大小均为 N。因此，两个种群 Pt和 Qt合并会形成种群大小为 2N 的新的种群 Rt=Pt∪Qt。 为了从种群 Rt中选择最好的 N 个解进入下一代，首先利用基于Pareto支配的非支配排序将 Rt分为若干不同的非支配层（F1，F2等等）。然后，算法构建一个新的种群St，构建方法是从 F1开始，逐次将各非支配层的解加入到 St，直至 St的大小等于 N，或首次大于 N。假设最后可以接受的非支配层是 L层，那么在 L+ 1 层以及之后的那些解就被丢弃掉了，且 St FL中的解已经确定被选择作为 Pt+1中的解。Pt+1中余下的个体需要从 FL中选取，选择的依据是要使种群在目标空间中具有理想的多样性。(The test can run and modify the function according to its own situation. NSGA-III first defines a set of reference points. Then the initial population containing N individuals (preferably the same number of reference points as the original literature) was randomly generated, where N was the size of the population. Next, the algorithm is iterated until the termination condition is satisfied. On the basis of current population Pt, the algorithm simulates two-point crossover (SBX) and polynomial mutation to produce offspring population Qt by random selection.)

matlab中用C语言编写sfunction, 实现读取文件中的数据，应用库"stdio.h"(matlab using C language sfunction, realize the data read from the file, the application library stdio.h)