Advertisement

LSHADE_SPACMA算法(matlab版本)

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
CEC2017单目标锦标赛冠军算法LSHADE-SPACMA基于MATLAB平台实现的代码

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • SURF算法MATLAB版本源码.rar
    优质
    本资源包含SURF（Speeded Up Robust Features）算法在MATLAB环境下的完整实现代码。SURF是一种计算机视觉技术，用于图像特征检测与描述，在目标识别、图像配准等领域广泛应用。该源码为科研和学习提供了便利的工具。 这是MATLAB版的SURF算法源码，下载后即可使用。代码非常强大，请仔细体会其中的算法实现。
  • surf算法的matlab实现版本
    优质
    surf算法的MATLAB实现版本提供了一个在MATLAB环境中运行SURF（Speeded Up Robust Features）算法的高效工具箱。该版本简化了特征检测和描述符生成的过程，广泛应用于图像匹配与识别领域。 SURF算法是在SIFT算法之后出现的另一个稳定且快速的特征提取方法。除了具备SIFT算法的稳定性之外，其最显著的优点在于运算速度更快，并具有较强的实时性。
  • Louvain算法的Matlab实现版本
    优质
    本简介介绍了一种基于Matlab编程环境实现的Louvain社区检测算法。该工具能够高效地进行大规模网络数据中的社群结构分析。 Louvain算法的Matlab版本提供了一种高效的方法来识别网络中的社区结构。此实现基于Modularity优化原则，并且适用于大规模复杂网络分析。该代码易于使用并可以根据具体需求进行调整，为研究人员和工程师在社交网络、生物信息学及其它领域提供了强大的工具。
  • 经典VIBE算法的MATLAB版本.rar
    优质
    本资源提供了一种经典的信号处理算法VIBE在MATLAB环境下的实现代码。该算法主要用于背景减除和前景目标检测，适用于视频监控、行人检测等领域研究与应用开发。 基于MATLAB实现的经典VIBE算法用于水面目标检测。ViBe是一种像素级的背景建模与前景检测算法，其主要特点是背景模型的更新策略：随机选择需要替换的像素样本，并从邻域中随机选取像素进行更新。
  • 基本蚁群聚类算法及改进版本含MATLAB源码-蚁群算法.ppt
    优质
    本PPT介绍了基本蚁群聚类算法及其多种改进版本，并附有MATLAB实现代码，适用于研究和学习优化算法。 基本蚁群聚类算法及其改进算法（附带Matlab源代码） 该算法解决了不收敛的问题，并且具有非常好的聚类效果（效果图见附件）。改进的蚁群算法基于遗传算法，通过在基础遗传算法中加入变异因子来加速收敛过程。 程序特点包括： 1. 包含使用Matlab绘制图形的功能，可以对点进行不同颜色标识。 2. 程序能够调用data.txt文件中的数据。 3. 代码中有详细的注释说明。 4. 所有程序都经过调试可以直接运行。 附件包含两个m文件，分别对应基本遗传算法和改进的遗传算法。同时提供一个名为data.txt的数据文件用于聚类操作。此外还有PPT演示文稿供参考，内容为作业答辩时使用。 此贴是本人模式识别课程期末论文的一部分。如需更详细的原理介绍、流程图及文档说明，请留言告知电子邮箱地址以便发送相关资料。
  • MATLAB版A*算法
    优质
    本简介介绍一种基于MATLAB实现的经典路径规划算法——A*算法。通过详细代码解析和实例演示，帮助读者掌握其核心思想与应用技巧。 A*算法是一种动态路径规划算法，可以直接在MATLAB中运行。
  • MATLAB版SMOTE算法
    优质
    MATLAB版SMOTE算法是一种数据处理技术，用于通过合成少数类的样本以解决机器学习中的类别不平衡问题。该方法在MATLAB环境中实现，提供了对各类不平衡数据集的有效训练模型支持。 适用于样本不均衡的数据可以提高模型的性能。
  • MATLAB版MD5算法
    优质
    本简介介绍了一个基于MATLAB实现的MD5算法版本。此代码为用户提供了在MATLAB环境中计算字符串MD5哈希值的功能。 按照MD5加密算法流程，使用MATLAB的M语言编写了MD5加密算法。
  • 蝙蝠算法的MATLAB程序代码-BHTSNE版本
    优质
    本资源提供基于MATLAB实现的蝙蝠算法源码，并采用BHTSNE优化技术。适用于科研及学习用途，助力于优化问题求解与数据分析展示。 蝙蝠算法的MATLAB程序代码包含t-SNE算法的Barnes-Hut实现。该实现在相关文献中有详细描述。 在Linux或OSX系统上安装时，请使用以下命令编译源文件： ``` g++ sptree.cpp tsne.cpp tsne_main.cpp -o bh_tsne -O2 ``` 这将生成一个名为`bh_tsne`的可执行文件。对于Windows用户，如果您正在使用Visual C++，请在命令行中按照以下步骤操作： 1. 在您的Visual C++安装目录找到vcvars64.bat文件（例如：C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bin\amd64\vcvars64.bat 或 C:\VisualStudioExp2013\VC\bin\x86_amd64\vcvarsx86_amd64.bat)。 2. 进入cmd.exe，转到包含该文件的目录并运行它。 3. 转移到bhtsne目录后执行命令以完成编译过程。