欠驱动船舶模型预测控制代码

【实例简介】机器学习中的多示例包层次SVM分类算法 【核心代码】Bag_KI_SVM.m KI-SVM ├── Bag KI-SVM │   ├── Bag_KISVM_prediction.m │   ├── Bag_KI_SVM.m │   ├── Find_y.m │   ├── Find_y_linear.m │   ├── Max_Violated_y_set.m │   ├── Readme.htm │   ├── celltomatrix.m │   ├── genIndex.m │   └── normalization_gaussian.m ├── Instance KI-SVM │   ├── Find_y.m │   ├── Find_y_linear.m │   ├── Inst_KISVM_prediction.m │   ├── Inst_KI_SVM.m │   ├── Max_Violated_y_set.m │   ├── Readme.htm │   ├── celltomatrix.m │   ├── genIndex.m │   └── normalization_gaussian.m ├── experiments.m ├── experiments_KISVM_musk1.m ├── libsvm-mat-2.88-MI-svm │   ├── COPYRIGHT │   ├── Makefile │   ├── README │   ├── doc.txt │   ├── heart_scale.mat │   ├── make.asv │   ├── make.m │   ├── read_sparse.c │   ├── read_sparse.mexw32 │   ├── read_sparse.mexw64 │   ├── svm.cpp │   ├── svm.cpp.bak │   ├── svm.h │   ├── svm.h.bak │   ├── svm.obj │   ├── svm_model_matlab.c │   ├── svm_model_matlab.c.bak │   ├── svm_model_matlab.h │   ├── svm_model_matlab.obj │   ├── svmpredict.c │   ├── svmpredict.mexw32 │   ├── svmpredict.mexw64 │   ├── svmtrain.c │   ├── svmtrain.c.bak │   ├── svmtrain.mexw32 │   └── svmtrain.mexw64 └── normedmusk1.mat 3 directories, 47 files

根据雷达方程计算雷达威力

【实例简介】

差分演化算法的matlab程序: function DE(Gm,F0)%差分进化算法程序基本程序%F是变异率   F0=0.6 Gm=1000; %最大迭代次数Np=100; %种群规模CR=0.9;  %杂交参数G=1;%初始化代数D=0;%所求问题的维数eps=1e-9;%精度ge=zeros(1,Np);%各代的最优值bestx=zeros(Np,D);%各代的最优解%产生初始种群%xmin=-10;xmax=100;%带负数的下界xmin=-5.12;xmax=5.12;%-----函数值计算-----------function result=DEMB(XX);     sol=XX;     result=0;for i=1:D    result=result sol(i)^2;    %y=sum(XX.^2-10.*cos(2.*pi.*XX) 10);endend%---------------------------X0=(xmax-xmin)*rand(Np,D) xmin;X=X0;%%%%%%%%%%变异操作X1new=zeros(Np,D);%初始化X1_new=zeros(Np,D);%初始化X1=zeros(Np,D);%初始化value=zeros(1,Np);while Gxmin)&(bonCR %利用二项分布来交叉            X1_new(i,:)=X(i,:);        else            X1_new(i,:)=X1new(i,:);        end    end %%%%%%%%%%%%%%%竞争操作    for i=1:Np     if DEMB(X1_new(i,:))

matlab创建origin文件

matlab实现小波去噪、维纳滤波去噪以及自适应FIR滤波算法

【实例简介】

运用模拟退火算法解决TSP问题可解决数学建模中的旅行商、距离优化问题

以n-hexane(1)/ethanol(2)/methylcyclopentane(3)/benzene(4) system为例计算该体系的泡点温度。使用了unifac活度系数法。【截图】cal_bubble_T.m

matlab环境下使用PSO算法对SVM多分类器的参数进行优化的案例，代码有详细的注释，另有一篇博客对算法的大致过程有介绍.