针对粒子群算法求解置换流水车间调度这类NP-hard问题存在的早熟问题，本文提出了一种基于随机键编码的双模式飞行粒子群算法。首先，基于ROV规则对工件加工顺序进行随机键编码。其次，粒子在搜索过程中采用带有自适应惯性权重的双模飞行方式来更新位置和速度，避免粒子群陷入早熟收敛状态。为了提高解的质量，每次迭代过程中对PSO优化得到的种群最优解进行邻域局部搜索。最后，通过对标准测试集的数值仿真及与其他PSO算法的比较，证实了所提算法求解该问题的有效性与可行性。

代码给出了 图像缩放算法的两种，1个为邻域插值，一个为双线性插值

利用Matlab对三维点云建立KD树，搜索一点或多点的柱状邻域、球状邻域与KNN点。 其中，柱状邻域、球状邻域搜索半径为r内的三维点； KNN搜索最邻近k个三维点。

分成了三个部分，第一个是最基本的邻域处理，第二个是生成模板，最后一个是卷积

这是用于绘制 2 维和 3 维 t 分布随机邻域嵌入 (t-SNE) 的 Matlab 脚本 t-Distributed Stochastic Neighbor Embedding (t-SNE) 是一种（获奖）降维技术，特别适用于高维数据集的可视化。 该技术可以通过 Barnes-Hut 近似实现，使其可以应用于大型现实世界数据集。 有关更多信息，请查看此页面。 如何使用？ 1. 克隆这个存储库。 2.Dataset和label应该怎么排列？ 一世。 该脚本需要两个输入 - 数据和标签。 ii. 数据排列 - 第一列应为“标签名称”，其余列应为“特征”。 iii。 标签的排列-第一栏应为“标签名称”，其顺序应与四、 数据的标签名称。 3. Data 和 Label 中的每一行都是一个样本。 4. 用相同的名称替换文件夹输入目录中的数据和标签。 5. 运行脚本 tsne_exampl

做推荐系统大作业的时候开发的一个系统，可以直接跑，代码注释很全面

针对基于模糊C均值聚类（FCM）的图像分割算法仅利用像素的灰度信息、噪声抑制不理想、算法鲁棒性不高的问题，提出了一种基于像素邻域信息约束的FCM图像分割算法。该算法在模糊目标函数中引入邻域信息约束，通过约束系数自适应调节控制邻域信息约束强度，自优化迭代更新聚类中心和聚类隶属度矩阵，使模糊目标函数收敛到最小，并利用像素最优聚类隶属度去模糊化操作实现图像分割。实验结果表明，该算法在获得较高的图像分割精度的同时，具有较强的噪声抑制能力。

针对大数据环境下, 三维模型的传输和存储需求, 提出了一种基于八叉树的三维点云有损压缩算法。该算法改进了八叉树分割的停止条件, 可以在适当的深度停止分割并确保体素大小合适。同时在分割的基础上通过建立K邻域, 利用简单有效的统计方法去除原始点云的离群点。在数据结构上, 对每个节点分配位掩码, 通过操纵位掩码, 在遍历时对数据查询和操作, 并优化随后的点位置编码。该算法可以有效地移除离群点和表面杂点, 并在区间编码上提高了点云压缩效率。实验结果表明, 该算法较完整地保留了三维点云数据的关键信息, 取得了良好的压缩率并缩短了压缩时间。

流水车间调度是一类典型的生产调度问题, 属于NP-难问题. 针对传统的最优化方法难以求解大规模问题, 提出了一个Memetic 算法, 在算法的局部搜索中使用一种新型的基于NEH的邻域结构, 并且其邻域规模随着搜索的 进行能够动态变化, 可以大大提高算法的搜索能力. 通过对标准Benchmark 问题的测试, 所得结果表明提出的基于新 邻域结构的Memetic 算法具有较好的性能, 并且优于已有文献中的粒子群算法.