骨架差分进化算法能够较好规避差分进化算法控制参数和变异策略选择问题。针对基于双变异策略的经典骨架差分算法（MGBDE）没有根据个体进化差异选择适合的变异策略和考虑早熟收敛的问题，提出一种改进算法。该算法引入变异策略选择因子，并借鉴自适应差分进化算法的设计思想，将选择因子随个体共同参与进化，使个体执行当前最为适合的变异策略，克服原始算法进化过程的盲目性，同时选择因子的动态自适应特性保持了骨架算法近似无参数的优点；该算法加入停滞扰动策略，降低陷入局部最优的风险。采用18个标准测试函数进行实验，结果表明，新算法在收敛精度、收敛速度和顽健性上整体优于多种同类骨架算法以及知名的差分进化算法。

针对一类严格反馈不确定非线性动态系统, 提出一种直接鲁棒自适应模糊控制新方案. 利用模糊系统的逼
近能力、后推设计方法和积分型李亚普诺夫函数, 依次确定各虚拟控制及模糊系统中可调参数的自适应律, 并最终确
定出控制律. 为改善控制系统的性能, 引入逼近误差的自适应补偿项. 通过李亚普诺夫方法, 证明了闭环系统是一致
终结有界的. 仿真结果表明了该方法的有效性.

内核自适应过滤：全面介绍 ，，西蒙·海金。 约翰·威利（John Wiley），2010年 按章编码 （示例章节） 链接 亚马逊上的 正在开发遵循scikit-learn API的内核自适应算法的python实现。

针对已有自适应细分方法中存在的问题，提出了一种新的自适应多分辨率细分曲面的表示方法。该方法结合拓扑细分的特点，运用二维组合映射对半边数据结构进行形式化定义，并引出超映射的概念。在超映射这个通用的理论框架中引出了半边结构在多分辨率上的扩展，并对其在自适应细分方法中的应用进行了讨论。结果表明这种结构具有普适性，支持多种细分方法，允许在网格的任何多分辨率层次上及时有效地导航，并且在自适应细分过程中避免了拓扑裂缝的产生。

开源的基于R的在线在线自适应测试平台 Concerto是一个开源测试平台，允许用户创建各种在线评估工具，从简单的调查到复杂的基于IRT的自适应测试。 作为开源，Concerto是免费的，可用于学术和商业用途！ 几个演示： 。 从哪儿开始 在您自己的服务器上安装Concerto之前，请 -时间不会太长，而且会很有趣 使用协奏曲的五个原因： 开源-除了可免费使用Concerto之外，您还可以免费在我们的服务器上托管测试。 由开源组件组成的Concerto被用户社区不断更新和改进。 计算机化自适应测试-您可以使用功能强大的R引擎来几乎应用任何项目响应理论和计算机化自适应测试模型。 反馈-为您的应试者提供即时响应。 灵活性-创建无限数量的测试； 无限数量的问题。 协奏曲活动-我们在世界各地举办协奏曲培训班和讲习班。 访问培训和研讨会页面以获取更多信息。

基于FIR的RLS自适应滤波器的设计，李国峰，马世亮，本文在MATLAB平台上实现了基于FIR的RLS自适应滤波器，并对模拟结果进行了分析讨论，证明了所编程序的正确性，其结果为将来硬件实现RLS

自适应限流型固态断路器的直流电源设计

低质量人脸数据集中的识别具有挑战性，因为面部属性被遮挡和退化。基于边缘的损失函数的进步导致了嵌入空间中人脸的可辨别性增强。此外，先前的研究已经研究了自适应损失对错误分类（硬）示例赋予更多重要性的影响。在这项工作中，我们在损失函数中引入了自适应性的另一个方面，即图像质量。我们认为强调错误分类样本的策略应该根据它们的图像质量进行调整。具体来说，简单或困难样本的相对重要性应基于样本的图像质量。我们提出了一种新的损失函数，它根据图像质量强调不同难度的样本。我们的方法通过使用特征规范来近似图像质量，以自适应边缘函数的形式实现了这一点。大量实验表明，我们的方法 AdaFace 在四个数据集（IJB-B、IJB-C、IJB-S 和 TinyFace）上的人脸识别性能优于最先进的 (SoTA)。

背景图像差分法是运动目标实时检测中常用的方法,但缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了该方法的适应性。对此,文章首先提出了一种自适应背景更新方法;然后利用最大类间方差法实现运动目标的自适应阈值分割,并利用基于形态学方法的连通区检测算法检测运动目标;最后以Kalman滤波为运动模型实现对运动目标的连续跟踪。实验结果表明:所提方法可随着光照条件的变化,实时、准确地检测出运动目标并实现稳定跟踪。

基于自适应背景模型的运动目标检测，陈雷，邹琪，运动目标检测作为许多计算机视觉应用中最关键的首要处理环节，在诸如视频监控、目标跟踪、视频搜索等领域中都有着广泛的应用。正