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.

数字图像邻域平均法去噪的实现，算法：加权中值滤波，自带[PSNR, MSE] = psnr(X, Y)函数

一共有588个点，点是三维的点，其中两个为起点和终点，其余点分别为饮水点和篝火点，当路过饮水或者篝火点会增加饱食度和口渴度，当饱食度或者口渴度下降到一定值以后失败。 如果使用遍历，一共有587^586，587^100=7.3082e+276，遍历的话需要好久好久好久！！！因此采用这种方法很快

将灰狼优化算法(GWO)用于柔性作业车间调度问题(FJSP),以优化最大完工时间为目标,提出一种混合灰狼优化算法(HGWO).首先,采用两段式编码方式,建立GWO连续空间与FJSP离散空间的映射关系;其次,设计种群初始化方法,保证算法初始解的质量;然后,嵌入一种变邻域搜索策略,加强算法的局部搜索能力,引入遗传算子,提升算法的全局探索能力;最后,通过实验数据验证HGWO算法在求解FJSP问题方面的有效性.