神经网络和遗传算法结合的函数极值寻优matlab算法

传输矩阵法，一般用来研究周期性分层介质中的传输特性。对于分层媒质的微分方程在特定条件下的解，最简单便捷的方式便是使用传输矩阵。传输矩阵法就是用矩阵的形式来描述电磁波在多层介质中的传播情况，在每一层介质中传播过程中的运动规律满足的Maxwell 方程组。

来源于网上，希望对大家有所帮助。关于《GPS基本原理及其matlab实现》一书的程序，有参考价值。由于缺少一些源文件，有些代码不能运行

使用Vivado完成直接型结构IIR滤波器Verilog HDL设计，含testbench与仿真，仿真结果优秀；具体说明可参考本人博客。CSDN博客搜索：FPGADesigner

Benchmark functions.zip 是一些常用的优化算法测试函数，共有17个。

CMU公开课机器学习讲义

matlab常用代码大全，帮助你科研，论文实证分析，数模竞赛第44章 层次分析法第45章 灰色关联度第46章 熵权法第47章 主成分分析第48章 主成分回归第49章 偏最小二乘第50章 逐步回归分析第51章 模拟退火第52章 RBF,GRNN,PNN-神经网络第53章 竞争神经网络与SOM神经网络第54章 蚁群算法tsp求解第55章 灰色预测GM1-1第56章 模糊综合评价第57章 交叉验证神经网络第58章 多项式拟合 plotfit第59章 非线性拟合 lsqcurefit第60章 kmeans聚类第61章 FCM聚类第62章 arima时间序列

本人学习AD9361的阶段性总结。详细介绍了如何通过SPI对AD9361进行配置。verilog代码已经完成。如果需要可以加qq互相交流。（无代码，只是一个总结）

一键生成QSS，智能配色，快速出效果，界面美观大方，专为无美工的小公司小团队或者个人开发者服务，不需要繁琐的配色，因为程序员的审美你懂得。。。针对有美工的大团队或者追求超级酷炫吊炸天的可以忽略本软件，我们追求的是最小的精力创造最佳的效果。

【实例简介】这是之前我下载的关于物体表面的三角网格化重建，用matlab编程，我试验过的，代码时可实现的！

关于模糊C-均值(FCM)聚类算法的改进关于模糊C-均值(FCM)聚类算法的改进∑∑md2(x1,v,)离有变化,即(1)式中改为(,)=|P)(x;-v大连大学学报其中W为模糊加权因子,由式(5)确定。在模糊￠一均值算法中引入模糊加权因4子,使得数据空间中各个数据点对同一橐类中心所具有的特征优势不同,导致对距离的贡献也不同,更具合理性,使得聚类效果更好,分类更清晰,改进数据预处理的方法。4数据仿真结果将200个二维数据分为三类。使用了两种方法,本文提出的改进的模糊聚类算法(引入了模糊加权因子),结果见图2;经典的模糊C-均值聚类算法6,结果见图3对比聚类效果图如通过对比两种算法的效果图可以看出:图图3FCM聚类效果图2是改进后的模糊聚类算法(引入了模糊加权刈比目标函数曲线如下因子)的效果图,聚类效果比图3经典的模糊C均值聚类算法更好,数据点更集中,有若干点集中在聚类中心上。我们可以看右下角的数据点,改进后的模糊聚类算法将紫色的点和蓝色的点能清楚的分开,两个类之间的界限很明显而模糊C-均值算法分类的程度就不是很清晰,分别属于两个类的绿色的点和紫色的点几乎重合,可见类与类之问划分不清晰。图4改进算法后的目标函数图图2改进算法后的聚类效杲图喷笔签义,引入了重要参数-模糊加权因子,模糊加权因子的引入,使得数据空间中各数据点所具有的特大连大学学征优势不同,导致对距离的贡献也不同,这是两种距离定义方法的根本区别之处。并且用数据仿真验证了这种改进了的模糊聚类算法比原来的算法聚类更有效,分类更清晰,速度快。参考文献O一0年第五期[l} Timothy J.Ros.模糊逻辑及其工栏应用[M].北京:电子工业出版社,20032]鲁宇,范希鲁.模糊加权距离及其合理性讨论[J].北方交通大学学报,1990(2)[3]王士同、神经模糊系统及其应用[M].北京:北京航天航空大学出版社,1998(6)图5FCM目标函数图T 4 1 Kazutaka Umuyaharu, Saclaaki MiyarIulo and Yoshiteru图4的是改进算法后的目标函数图(引入模糊Nakamori, Formulations of Fuzzy Clustering for Categorical加权因子),图5是经典的模糊C-均值算法目Data, International Journal of Innovative ComputingInformation and Control(lICIC), vol 1, no, 1, pp 83标函数图。可以看出图4的函数曲线比图5的函94,2005(3)数曲线更加平滑,收敛速度快。[5 Hugang Han, Information System with Fuzzy Weights5结论Intermational Journal of Innovative Computing, Information本文讨论的是对模糊C-均值聚类算法的改and Control JICIC ) vol. 2, no 3, pp 553-565, 2006进,在原有的模糊C-均值算法的基础上,用一种6]吴晓莉,林哲辉.MAⅣLAB埔助模湖系统设计[M.西安:新的定义距离的方法替代欧氏空间中距离的定西安电子科技大学出版社,2002.Improvement of the Fuzzy C-Means Clustering AlgorithmWANG Ying-jie Wang, BAI Feng-bo, WANG Jin-hui(1. College of Information Engineering, Dalian University, Dalian, 116622, China2. MSPD, HiSoft Technology Intemational Ltd., Beijing, 100074, China3. Beijing Electromechanical Engineering Insitute, Beijing, 100074, ChinaAbstract: An improvement algorithm about the fuzzy c-means clustering algorithm is discussed in this paper. Basedon original fuzzy c -rneans clustering algorithm, the improvement algorithm uses a new way of defining distance todisplace the distance in Euclidean space. Experimental results show that the improvement algorithm is better thanal algurithm and the classification is clearer than original algKey words Fuzzy c-means algorithm; Fuzzy weighted distance; Fuzzy weighted factor