复杂网络MATLAB工具包和源程序（好不容易找到的哦）

【实例简介】

用粒子群算法对RBF网络参数初值的估计

在260个样本中随机抽出部分学生的身高和体重作为训练样本(男女生都有)，然后训 练 一 个 B P 神经网络，最后将剩下的样本输入网络进行测试，检 验 B P 网络的分类 性能 带你进入BP神经网络的经典案例

本设计为基于MATLAB的指纹识别系统。本设计系统主要对指纹图像进行三方面处理：图像预处理、特征提取和特征匹配。 图像预处理包括四个步骤：图像灰度化、滤波增强、二值化、细化，对指纹图像进行预处理后，去除了原图像的冗余部分，方便后续的识别处理； 特征提取主要是提取指纹图像细化后的端点和分叉点；特征匹配是利用两个指纹的图像进行特征点比较，来确定两幅图像是否来自于同一手指。

【实例简介】

SAR的bp成像算法，近场

【实例简介】

采用JPDA数据关联算法实现两个个匀速运动目标的点迹与航迹的关联。上传的为压缩文件，解压后有两个m文件，一个是Data_JPDAF.m，另一个是JPDAF.m。将两个文件放到Matlab的同一个目录下，直接运行文件Data_JPDAF.m即可。用户可以根据自己的需要修改目标的起始位置参数和速度参数。

摘要：针对机器人路径规划中，传统蚁群算法收敛速度慢、易陷入局部最优解等问题，提出了一种移动机器人路径规划的改进蚁群优化(ACO)算法。用栅格法建立环境模型，并基于人工势场建立启发信息素矩阵，降低了蚂蚁在初始阶段搜索的盲目性；引入激励函数，降低搜索过程中的死锁现象；改进信息素的更新机制，增强了优秀蚂蚁对全局路径规划的影响。仿真结果表明：改进后蚁群算法的机器人路径规划算法加快了收敛速度，具有较强的鲁棒性和全局寻优能力。关键词：蚁群优化(ACO)算法；人工势场；路径规划；机器人

书中内容完全是根据数学建模竞赛的需要而编排的，涵盖了绝大部分数学建模问题的matlab求解方法。本书内容分上下两篇。上篇介绍数学建模中常规方法的matlab实现，包括matlab交互、数据建模、程序绘图、灰色预测、规划模型等方法；还介绍了各种高级方法的matlab实现，包括遗传算法、粒子群算法、模拟退火算法、人工神经网络、小波分析、动态仿真、数值模拟等。下篇以真实的数学建模赛题为案例，介绍了如何用matlab求解实际的数学建模问题，给出了详细的建模过程和程序。书中的附件部分介绍了作者在建模竞赛中屡获大奖的经验。相信这些经验对准备参加数学建模竞赛的读者会有所帮助。