多假设跟踪算法matlab平台实现

比较好的遗传算法，下载的 % population_size: 输入种群大小 % chromosome_size: 输入染色体长度 % generation_size: 输入迭代次数 % cross_rate: 输入交叉概率 % mutate_rate: 输入变异概率 % elitism: 输入是否精英选择 % m: 输出最佳个体 % n: 输出最佳适应度 % p: 输出最佳个体出现迭代次数 % q: 输出最佳个体自变量值

该文件为基于MATLAB的三电平空间矢量仿真，是基于MATLAB中simulink的仿真，

改进的LBP算子，用于纹理特征提取，提高纹理特征提取的质量，通过分快的方法提取纹理特征的呢，纹理特征应用于人脸识别等等

蚁群算法： %%  主要符号说明 %%  C n个城市的坐标，n×2的矩阵 %%  NC_max 蚁群算法MATLAB程序最大迭代次数 %%  m 蚂蚁个数 %%  Alpha 表征信息素重要程度的参数 %%  Beta 表征启发式因子重要程度的参数 %%  Rho 信息素蒸发系数 %%  Q  表示蚁群算法MATLAB程序信息素增加强度系数 %%  R_best 各代最佳路线 %%  L_best 各代最佳路线的长度 %%=========================================

关于多假设跟踪算发（MHT）在matlab平台上的实现代码，是一种比较简单的MHT算法，关键位置有中文注释，基本每一段都有英文注释，适合新人阅读

clear all; close all; min=-2.048;max=2.0458; Vmax=1;Vmin=-0.1;  c1=1.3;c2=1.7;  wmin=0.1;wmax=0.9;  G=100;  Size=50;   for i=1:G      w(i)=wmax-((wmax-wmin)/G)*i;   end    for i=1:Size        for j=1:2            x(i,j)=min+(max-min)*rand(1);            v(i,j)=Vmin+(Vmax-Vmin)*rand(1);        end    end %(2) for i=1:Size     p(i)=chap8_8func(x(i,:));     y(i,:)=x(i,:); if i==1     plocal(i,:)=chap8_8lbest(x(Size,:),x(i,:),x(i+1,:));     elseif i==Size         plocal(i,:)=chap8_8lbest(x(i-1,:),x(i,:),x(i,:));     else          plocal(i,:

形态学分析 计算目标物周长及面积的代码

%卡尔曼滤波原理 % x = Ax + Bu + w  meaning the state vector x evolves during one time %                  step by premultiplying by the "state transition %                  matrix" A. There is optionally (if nonzero) an input %                  vector u which affects the state linearly, and this %                  linear effect on the state is represented by %                  premultiplying by the "input matrix" B. There is also %                  gaussian process noise w. % z = Hx + v       meaning the observation vector z is a linear function %                  of

针对旅行商问题 clear; clc; %%%%%%%%%%%%%%%输入参数%%%%%%%% N=10;               %%城市的个数 M=100;               %%种群的个数 C=100;               %%迭代次数 C_old=C; m=2;                %%适应值归一化淘汰加速指数 Pc=0.4;             %%交叉概率 Pmutation=1;       %%变异概率 %%生成城市的坐标 %pos=randn(N,2);