bp神经网络改进算法 一.使用说明 该程序有五个主要菜单项: A.数据读入 (从已有数据文件中数据,包括网络结构,权值,学习率,样本等) B.新建数据 (建立新的数据文件) C.学习 D.测试 E.误差显示 操作过程: 1.使用已有的数据: A -> C -> D,E; (已有XOR.TXT, AND.TXT, OR.TXT) 2.新建数据文件: B -> A -> C -> D,E; 举例:求XOR问题数据文件的建立(菜单[B]的使用) 对话框(1) 输入层单元个数:2 (TAB键切换) 隐层单元个数:2 输出层单元个数:1 学习率:0.5 模式个数:4 ("输入"键) 对话框(2 -1) 第1个模式的输入值: (TAB键切换) 注意:0 (空格) 0 第1个模式的目标值: 0 ("输入"键) 对话框(2 - 2) 第2个模式的输入值: (TAB键切换) 0 (空格) 1 第2个模式的目标值: 1 ("输入"键) 对话框(2 - 3) 第3个模式的输入值: (TAB键切换) 1 (空格) 0 第3个模式的目标值: 1 ("输入"键) 对话框(2 - 4) 第4个模式的输入值: (TAB键切换) 1 (空格) 1 第4个模式的目标值: 0 ("输入"键) 二.程序说明 程序实现的是二层BP网络,通过从文件中读入数据来构建网络,同时读入对应的样本进行学习,测试. ε=0.09 变量为max_error_tollerance; forward_pass()向前计算输出值; backward_pass()向后调整权值;

一种基于Tent映射的混合灰狼优化的改进算法（含代码）.zip

针对单向物流配送中遇到的路径优化问题，提出一种蚁群算法对单向物流路径进行优化。同时针对传统蚁群算法存在着易滞性和收敛速度比较缓慢的问题，提出采用信息素更新、蚂蚁转移策略的方式，对传统蚁群算法进行改进。最后通过实例和仿真软件，对改进算法与传统算法进行比较，证明改进算法收敛速度和迭代次数方面都较传统算法有着很大的改进，并进一步证明本文所提出的改进方法与策略是正确和可行的，有利于更好的对当前的物流配送路径进行优化。

针对雾霾图像中含有高亮、大面积浓雾，天空区域无法清晰识别，求取出的图像偏暗、色彩失真的问题，提出了一种基于暗通道先验的自适应阈值分割和透射率补偿的去雾改进算法，通过OSTU阈值分割将图像分为前景区域和背景区域，求取亮暗通道，并通过统计函数计算出前景区域和背景区域所占的像素比例，加权求取大气光值。通过透射率补偿参数K的引进,使得求取的透射率更接近真实值，最后通过CLEAR法进行色度调整。实验结果表明，该法去雾后的图像细节信息保留完整，失真度减小，视觉上更加真实自然，信息熵平均提高7.03%，SSIM平均提高5.56%，MSE平均减小9.19%。

该算法，解决了不收敛的问题，聚类效果非常好（效果图如附件图片所示）。改进的蚁群算法是基于遗传算法的改进，在基本遗传算法的基础之上，加入了变异因子，产生变异，从而更快的收敛。

基于遗传算法的改进，在基本遗传算法的基础之上，加入了变异因子，产生变异，从而更快的收敛。

改进后的CVRP问题的蚁群算法的实现代码

PCA在人脸识别中的改进算法，黄昉，张宝昌，基于传统的主成分分析(PCA)方法，为使PCA不再局限于满足高斯分布，提出了改进的PCA人脸识别方法。改进的PCA方法先对训练图像集进行分�

clc clear all syms alpha n=2; %n=input('n=');%未知数个数 dt=0.01; x0=zeros(n,1); d=zeros(n); for i=1:n for j=1:n if(i==j) d(i,j)=1; end end end

CDP改进算法（Rodriguez A, Laio A. Clustering by fast search and find of density peaks[J]. Science, 2014,344(6191):1492-1496.）