MATLAB做音频分离

简单体制雷达仿真(simple_system_radar.m)

卡尔曼滤波在目标跟踪上的运用(三维).m

【实例简介】

Transfer Sparse Coding for Robust Image Representation

【实例简介】半波振子方向性图

【实例简介】

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

CEC2017测试函数

内含libsvm工具箱、SVMs的示例程序（含代码和实例数据）、SVR的示例程序（含代码和实例数据）

simulink 模型预测控制.slx