001_基于BP神经网络的数据回归预测 Matlab代码实现过程

002_基于BP神经网络的数据分类预测 Matlab代码实现过程

004_基于支持向量机(SVM)的数据回归预测 Matlab代码实现过程，调用了libsvm工具箱实现

005_基于支持向量机(SVM)的数据分类预测 Matlab代码实现过程，调用了libsvm工具箱实现

007_基于遗传算法优化BP神经网络(GA-BP)的数据回归预测 Matlab代码实现过程

通过对数据的训练实现模糊神经控制，数据格式默认为单输出

决策树学习是数据挖掘中常用的方法。 大多数商业软件包提供复杂的树分类算法，但它们非常昂贵。 这个 matlab 代码使用“classregtree”函数来实现 GINI 算法来确定每个节点 (CART) 的最佳分割。 这段代码的主要功能名为Tree。 它直接从 excel 或 csv 文件导入数据，使用第一行作为变量名（必要）。 第一列是结果组，它必须是数字。 在 Matlab 工作区中启动分类树类型： Tree('filename.xls') 或 Tree('filename.csv') （注意您的 excel 文件包含第一行变量名称和第一列中的结果组） . 它也可以直接从 matlab 文件（.mat 扩展名）导入。 请使用以下 3 个变量创建一个文件：X（协变量值矩阵）、y（结果值）、textdata（单元格结构包含结果和协变量的文本名称）。 如果您需要示例，请输入：[X, y,

根据粒子群相关改进论文编辑，内部包含粒子群算法源码、改进后粒子群算法代码、测试函数集合文件改进文献来源，两种算法均已编辑为函数模式方便进行对比，亲测可用，可用作论文写作中算法对比。

该源代码执行二进制立体匹配算法以估计立体匹配图像。 在此应用程序中，您可以实现不同的流行蒙版以及新颖的混合蒙版。

1 一元函数的数值微分可以根据函数在某点处导数的定义来实现代码，首先回顾一下函数在一点处导数的相关定义定义 设函数在点的某个邻域内有定义，当自变量处取得增量仍在