传统随机森林分类算法采用平均多数投票规则不能区分强弱分类器，而且算法中超参数的取值需要调节优化.在研究了随机森林算法在文本分类中的应用技术及其优缺点的基础上对其进行改进，一方面对投票方法进行优化，结合决策树的分类效果和预测概率进行加权投票，另一方面提出一种结合随机搜索和网格搜索的算法对超参数调节优化.Python环境下的实验结果表明本文方法在文本分类上具有良好的性能.

此源代码实现了2018年IEEE进化计算大会（ 举办的大规模全球优化竞赛的获胜者 该实现是使用numpy在Python 3中完成的。 此源代码可根据通用公共许可证（GPLv3）免费获得。 但是，如果在研究论文中使用它，则应参考原始工作： “ Molina，D.，LaTorre，A。Herrera，F。SHADE通过迭代局部搜索进行大规模全局优化。2018年度会议，IEEE进化计算大会，里约热内卢，巴西，2018年7月8日至13日， pp 1252-1259“ 它在WCCI 2018中特别是在IEEE进化计算大会上进行了介绍。 。 安装 建议使用 source install.sh 该命令将在venv目录中创建具有所有必需依赖项的虚拟环境（virtualenv）。 跑 准备使用大规模全球优化CEC'2013基准进行实验的源代码。 参数： python shadeils -f -

可以用遗传算法GA优化LSTM网络的超参数

为了提高水印技术的鲁棒性，提出了彩色图像离散小波变换（DWT）下的块奇异值分解（SVD）的零水印．首先对原始载体图像进行离散小波变换，然后选择低频子带进行分块，且对每一块进行奇异值分解，水印则由分解得到的最大前m个奇异值产生．实验结果表明，算法对各种攻击有较强的鲁棒性．

针对一类高阶不确定非线性系统, 基于指数型快速终端滑模的良好特性, 提出了一种新的滑模变结构控制.系统状态变量能以较快的收敛速度在有限时间内到达各级滑模面的邻域, 并最终收敛到平衡点附近很小的区域.使用李亚普诺夫稳定性理论证明了系统的渐近稳定性, 并推导出各级邻域和系统不确定环节的数学关系.Matlab仿真验证了系统的强鲁棒性

SC - 稀疏分类器FSC - 快速稀疏分类器GSC - 群稀疏分类器FGSC - 快速群稀疏分类器NSC - 最近子空间分类器 需要 SPGL1 - http://www.cs.ubc.ca/labs/scl/spgl1/ 需要稀疏化 - http://www.see.ed.ac.uk/~tblumens/sparsify/sparsify.html 需要 GroupSparseBox - http://www.mathworks.com/matlabcentral/fileexchange/22771

基于粒子群算法和遗传算法的PID参数优化程序，matlab源代码。内含matlab源代码源代码说参考论文。

复杂网络的鲁棒性度量R的高效计算

开源rohc鲁棒性头标压缩实现 开源rohc鲁棒性头标压缩实现

该 Matlab App 允许自动计算临界增益的标称值、控制器带宽和二阶 LADRC 的观测器带宽，以控制由 FOPDT 模型近似的系统。 它需要 FOPDT 模型作为输入，通过与鲁棒性水平和手动调整滑块的交互，用户可以可视化闭环响应并借助一些措施评估二阶 LADRC 性能。 此调整应用程序通过文章中介绍的调整规则计算 LADRC 参数：通过多目标优化调整有源干扰抑制控制器的规则——基于鲁棒性的参数计算指南。 DOI： https : //doi.org/10.3390/math9050517 它包含自己的内置帮助，它是使用 MATLAB APP 设计器开发的。 作者：布兰卡·维维亚娜·马丁内斯·卡瓦哈尔https://www.linkedin.com/in/blanca-viviana-martínez-carvajal-6901701a/ https://www.r