MMAdapGA

GRNN的数据预测-基于广义回归神经网络货运量预测(Data Prediction of GRNN-Freight Volume Prediction Based on Generalized Regression Neural Network)

说明：  good code in matlab pro

Simulink动态系统建模与仿真基础 李颖等编.pdf 精通simulink系统仿真与控制.pdf(A very useful tool SIMULINK simulation)

Windows Local heap class

一种求信号包络线的程序，利用matlab中的hilbert算法(Method for the determination signal envelope procedure in hilbert algorithm using matlab)

基础的交错并联BUCK电路仿真，可分析各模态的电压电流变化规律(Interleaved parallel BUCK circuit simulation)

实现多普勒信号的处理。 包括信号平滑等操作(Doppler signal processing to achieve. Including the signal smoothing operation, such as)

实现聚类K均值算法： K均值算法：给定类的个数K，将n个对象分到K个类中去，使得类内对象之间的相似性最大，而类之间的相似性最小。 缺点：产生类的大小相差不会很大，对于脏数据很敏感。 改进的算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）中，顺序选取一个Or，计算用Or代替Oi后的消耗—E（Or）。选择E最小的那个Or来代替Oi。这样K个medoids就改变了，下面就再转到2。 4，这样循环直到K个medoids固定下来。 这种算法对于脏数据和异常数据不敏感，但计算量显然要比K均值要大，一般只适合小数据量。(achieving K-mean clustering algorithms : K-means algorithm : given the number of Class K, n will be assigned to target K to 000 category, making target category of the similarity between the largest category of the similarity between the smallest. Disadvantages : class size have no great difference for dirty data is very sensitive. Improved algorithms : k-medoids methods. Here a selection of objects called mediod to replace the center of the above, the logo on a medoid this category. Steps : 1, arbitrary selection of objects as K medoids (O1, O2, Ok ... ... Oi). Following is a cycle : 2, the remaining targets assigned to each category (in accordance with the closest medoid principle); 3, for each category (Oi), the order of selection of a Or, calculated Oi Or replace the consumption-E (Or))

说明：  matlab或c++语言，有关最小二乘编程问题(math and matlab)

说明：  经典遗传算法工具箱中的初始种群的生成程序，与大家分享(classical genetic algorithm toolbox initial population of the production process, share with you)