代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码代码 adaboost经典的分类算法代码

代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样本修正感知器算法代码代码 单样

代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目

最近在看吴恩达的机器学习课程，自己用python实现了其中的logistic算法，并用梯度下降获取最优值。 logistic分类是一个二分类问题，而我们的线性回归函数 的取值在负无穷到正无穷之间，对于分类问题而言，我们希望假设函数的取值在0~1之间，因此logistic函数的假设函数需要改造一下 由上面的公式可以看出，0 < h(x) < 1，这样，我们可以以1/2为分界线 cost function可以这样定义 其中，m是样本的数量，初始时θ可以随机给定一个初始值，算出一个初始的J(θ)值，再执行梯度下降算法迭代，直到达到最优值，我们知道，迭代的公式主要是每次减少一个偏导量 如果将

数据结构-查找算法(代码+报告)

卡尔曼滤波算法代码总结(20150311).doc

主要是K 均值代码和分裂合并算法的代码，比较适合新手。

matlab中位值平均滤波算法代码odcpsf-mcmc Matlab代码使用MCMC使ODC模型适合fMRI数据，该方法用于： Chaimow，D.，Yacoub，E.，Uğurbil，K.＆Shmuel，A.功能性MRI血液氧合React相对于神经元活动的空间特异性。 Neuroimage 164，32–47（2018）。 -脚本，演示了如何在已处理的ODC fMRI数据上运行MCMC（对fMRI结果的保存方式进行了一些假设，请参见参考资料）并可视化结果。 -模型和MCMC算法的主要代码 -在本地或HPC群集上启动和运行MCMC作业所涉及的代码 -测试 -一些辅助功能 -示例处理的fMRI数据：Chaimow等人的受试者1的GE和SE图谱。 （2018），在processMCMC.m中用作示例 一般说明 在（和）中实现了ODC的fMRI生成模型。 该函数在给定一组参数的情况下模拟ODC fMRI映射，并在给定真实fMRI数据的情况下计算能量和梯度。 哈密​​顿蒙特卡罗算法的实现与模型无关。 通常，为了对实际数据运行MCMC模型拟合： 使用，从已处理的fMRI数据和所需选项中创建ta

fft算法代码注释及流程框图.doc

matlab中遗传算法代码遗传算法-matlab Matlab的非常简单的遗传算法实现，易于使用，易于修改且运行速度快。 甚至也有一些可视化。 跑步 运行FunctionOptimization脚本。 修改优化功能 将您自己的函数替换为EvaluateIndividual.m脚本。 请注意，这种遗传算法会尝试使输出最大化，因此请根据需要反转功能。 现在，它试图找到一个双变量函数的峰值。 可以对其进行调整以针对两个以上的可变函数进行优化。 修改遗传算法参数 所有参数都位于FunctionOptimization.m脚本中。 人口规模->人口中的个人人数 numberOfGenes->每个染色体的位数 crossoverProbability->两个人之间发生交叉的概率 突变概率->个体发生突变的概率 TournamentSelectionParameter->用于计算要在锦标赛中选择的个人的概率的参数->'p *（1-p）^ k'，其中k表示锦标赛池中第k个最差的个人 variableRange->基因将被解码的范围。 基本的参数最大值和最小值 numberOfGenerations->