MATLAB实现PSO-SVM粒子群算法优化支持向量机多特征分类预测（完整源码和数据） 数据为多特征分类数据，输入15个特征，分四类,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。

基于MATLAB编程，利用PSO寻找函数全局最优（可自行扩展）； 代码注释多，简化强，仅一重循环，便于理解PSO算法编程

粒子群的定义、发展以及其应用，详细描述了粒子群算法的流程对初学者是一个极好的资料

基于PSO-SVM粒子群优化支持向量机的数据分类预测（Matlab完整程序和数据） 输入多个特征，分四类。 基于PSO-SVM粒子群优化支持向量机的数据分类预测（Matlab完整程序和数据） 输入多个特征，分四类。 基于PSO-SVM粒子群优化支持向量机的数据分类预测（Matlab完整程序和数据） 输入多个特征，分四类。

用MATLAB编写测试函数的五种PSO改进算法

粒子群算法的PPT讲解，以及如果对粒子群算法进行改进的方法。

MATLAB实现PSO-SVM粒子群优化支持向量机时间序列预测，Matlab完整程序和数据 数据为单变量时间序列数据，含粒子群优化前后的对比，预测对象为股票价格。

f(1)=2*x(1)^2-3*x(2)^2-4*x(1)+5*x(2)+x(3) 粒子群算法和遗传算法思想都很接近，都是一个通过对比去寻找最优解的过程，基于粒子群算法求最大最小值matlab代码，包含matlab源代码和报告，可直接运行出结果。 有一群鸟去寻找食物，其目的在于找到食物最多的地方，然后再大家一起去那里定居，但是每只鸟都会找到自己认为食物最多的地方，这个就叫做局部最优；为了防止陷入局部最优，所以大家定期会聚集在一起讨论，并进行食物量多少的比较，最终找到食物最多的地方，便是全局最优解。

MATLAB实现PSO-BP粒子群优化BP神经网络多特征分类预测（完整源码和数据） 数据为多特征分类数据，输入12个特征，分四类。 运行环境MATLAB2018b及以上,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。

基于PSO-BP粒子群优化BP神经网络的数据分类预测（Matlab完整程序和数据） 基于PSO-BP粒子群优化BP神经网络的数据分类预测（Matlab完整程序和数据） 输入12个特征，分四类。