matlab层次分析实例

侧扫声呐FCN图像分割。。其中包括与C-mean的对比。与改进后的G-FCN,BEMD-FCN代码。并附20张声呐原始图像 图像分割FCN

%% 输入数据 %0负荷节点  1PQ节点  2PV 节点  3平衡节点 %序号 bus   Area Zo co V   sita    PL       QL        PG      QG      Vbase?    PVBASE  PVQmax  PVQmin BUS=[...    1    100   1  1  3 1.04  0.     0.       0.        71.6410 27.04592 100.    1.04   999900 -99990                                                                                                                                                                                   2    100   1  1  2 1.025 9.28   0.       0.        163.    6.65366  100.    1.025  999900 -99990                                                                                                                                                                                 3    100   1  1  2 1.025 4.6647 0.       0.        85.     -10.8597 100.    1.025  999900 -99990                                                                                                                                                                                   4    100   1  1  1 1.025 -2.216 0.       0.        0.      0.       100.    1.       0.     0.                                                                                                                                                                                      5    100   1  1  1 0.995 -3.988 125.     50.       0.      0.       100.    1.       0.     0.                                                                                                                                                                                    6    100   1  1  1 1.012 -3.687 90.      30.       0.      0.       100.    1.       0.     0.                                                                                                                                                                                      7    100   1  1  1 1.025 3.7197 0.       0.        0.      0.       100.    1.       0.     0.                                                                                                                                                                                     8    100   1  1  1 1.015 0.7275 100.     35.       0.      0.       100.    1.       0.     0.                                                                                                                                                                                    9    100   1  1  1 1.032 1.9667 0.       0.        0.      0.       100.    1.       0.     0. ];  

【实例简介】

基于harris角点检测的两幅图像拼接matlab实现

【实例简介】

阵列信号处理中的传播算子DOA估计算法MATLAB程序

【实例简介】

脉冲雷达测速测距的matlab程序，仿真图是速度、距离、幅度三维图像。程序无错，可仿真，很好用

【实例简介】机器学习中的多示例神经网络BP算法源代码 【核心代码】BP_MIP.m BPMIP ├── BP_MIP.m ├── generate_Pos_Neg_Bags.m ├── min_max_norm.m ├── molecule_num.txt ├── musk1.txt ├── shengcheng_NBags.m ├── shengcheng_PBags.m ├── shengcheng_testBags.m ├── shengcheng_trainBags.m └── update_net_cl.m 0 directories, 10 files

多输出支持向量回归 对于一般的回归问题，给定训练样本D={(x1,y1),(x2,y2),...,(xn,yn)},yi€R,我们希望学习到一个f（x）使得其与y尽可能的接近，w，b是待确定的参数。在这个模型中，只有当f(x)与y完全相同时，损失才为零，而支持向量回归假设我们能容忍的f(x)与y之间最多有ε的偏差，当且仅当f(x)与y的差别绝对值大于ε时，才计算损失，此时相当于以f(x)为中心，构建一个宽度为2ε的间隔带，若训练样本落入此间隔带，则认为是被预测正确的。（间隔带两侧的松弛程度可有所不同） ------