针对当前行人检测方法实时性和精度不能同时兼顾的问题,提出基于YOLOv3改进的实时行人检测算法。本算法对YOLOv3模型进行改进,融入标签平滑,增加多个尺度检测,并采用k-means算法得到模型中的anchors值,实现自动学习行人特征。通过在Caltech数据集上测试结果表明,改进后的YOLOv3行人检测算法mAP(mean Average Precision)达到了91.68%。在分辨率1 920×1 080的视频下,运行速度超过每秒40帧,满足实时行人检测的需求。在Daimler、INRIA行人检测数据集测试结果表明,该改进模型同样具有良好的性能,从而验证该模型具有良好的鲁棒性和泛化能力。

该程序为差分进化及其改进算法的matlab程序，其中包含了标准差分进化算法DE，以及三种改进算法ADE，SDE,SADE，程序运行时需注意里面部分包含了两种不同的应用，所以根据需要把不相关的注释掉（已注明一种）

算法改进 由m(i,j)的递归式容易证明，在一般情况下，对每一个确定的i(1≤i≤n)，函数m(i,j)是关于变量j的阶梯状单调不减函数。跳跃点是这一类函数的描述特征。在一般情况下，函数m(i,j)由其全部跳跃点惟一确定。如图所示。 对每一个确定的i(1≤i≤n)，用一个表p[i]存储函数m(i，j)的全部跳跃点。表p[i]可依计算m(i，j)的递归式递归地由表p[i+1]计算，初始时p[n+1]={(0，0)}。

用C++对改进后的模糊C均值算法进行了实现。

Apriori算法及改进算法分析数据挖掘课程论文

在特定点插值，可以修改权重及搜索点数等参数

针对DV-Hop定位算法在节点分布不均匀的传感器网络拓扑环境下，跳数与跳距估计存在误差的问题，提出了ILDV-Hop改进算法。首先基于信标节点间估计距离与真实距离的差值，提出了一种全网络的有效跳距；其次在信标节点与未知节点间多跳计算过程中增添了修正值，同时利用接收信号强度指示（RSSI）值优化单跳值的大小；最后采用列文伯格—马夸尔特算法估计未知节点的最优位置。仿真结果表明，与传统DV-Hop算法以及基于拟牛顿迭代的DV-Hop算法相比，ILDV-Hop算法的定位误差分别减小了23%与10%左右，定位精度有了显著的提高。

针对现有基于UWB的井下定位算法存在算法复杂且求解值不是全局最优的问题，提出了一种基于UWB测距的三边定位改进算法。该算法基于DW1000芯片和三边定位算法，采用双边双向测距方法测距，以求解二元二次方程最优解为目标，设定优化目标函数，将坐标二维化处理，降低了算法的复杂度;筛除测量过程中产生的无效数据，确定有效搜索区域并在该区域内进行全局遍历，找到最优定位坐标，解决了求解值不是全局最优的问题。同时，为了进一步提高定位精度，采取了适当增加参考节点数量的措施。实验结果表明，该算法平均误差小于加权三边定位算法、泰勒算法，定位精度提升明显；该算法还具有较强的实用性，通过增加参考节点数量可有效提高测量精度。

动量-自适应学习调整算法(BP改进算法)应用实例。共享给大家，希望有用。

snake模型的改进算法，本程序相对于opencv自带的cvSnakeImage能够得到更好的获取轮廓的效果，但是经测试本程序存在着Bug，在稳定性方面不如cvSnakeImage，仅仅用于测试效果还是可行的，如果谁能够去掉这个程序中的Bug，欢迎联系我。