GA/T 1400 2017公安视频图像信息应用系统标准 全集 1~4

IBM system x3530 M4 C105 raid 驱动linux 64位版 ，适用于redhat 6

准确及时的每月降雨量预报是水文研究等科学界面临的主要挑战，例如河流管理项目和洪水预警系统的设计。 支持向量回归（SVR）是一个非常有用的降水预测模型。 本文提出了一种新的并行协同进化算法，基于遗传算法和粒子群优化算法SVRGAPSO的并行协同进化，可以确定SVR在降雨预测中的合适参数，用于月降水预测。 并行协同进化算法的框架是同时迭代两个GA和PSO种群，这是GA和PSO种群之间进行信息交换以克服过早的局部最优的一种机制。 我们的方法采用混合PSO和GA，通过并行协同发展来获得SVR的最佳参数。 所提出的技术可用于降雨预报，以测试其概括能力并与几种竞争技术进行比较评估，例如其他替代方法，即SVRPSO（带PSO的SVR），SVRGA（带GA的SVR）和SVR模型。 实证结果表明，SVRGAPSO结果具有较好的泛化能力，在降雨预报中具有最低的预测误差值。 SVRGAPSO可以显着提高降雨预报的准确性。 因此，SVRGAPSO模型是降雨预报的有希望的替代方法。

针对如何从海量的气象数据中挖掘出有用的知识，并提高气象预报的准确度，提出了在Hadoop平台上构建基于遗传神经网络算法的天气预报方法.该方法采用遗传算法与神经网络算法相结合，避免了传统算法容易陷入局部最优的问题，并以天津市13个台站1951–2006年的地面气候资料日值数据为基础，建立了遗传神经网络预测模型，最后以降雨量等级为决策属性进行了实验.结果表明，该方法对所有降水等级的预测准确率都要优于传统的神经网络算法，对于降水等级R0的预测精度最高，达到了87%，不仅可以有效的处理海量气象数据，同时具有较高的预测精准度和良好的扩展性，为天气预报提拱了一种全新的思路和方法.

遗传算法GA两个变量求函数的最小值，仅供参考学习交流

当前更新版本：FJ；驱动大小：2.93M； 适用设备型号：Gigabyte技嘉GA-B85M-D3V主板； 适用系统： all ； 发布厂商是： GIGABYTE （技嘉） ；所属的驱动类别：主板驱动

本程序是在matlab上运行的GA遗传算法，通过初始种群，选择，复制，交叉和变异，在全局中进行随机搜索，最终优化出适合的最优参数。

近年来随着盲检测算法的提出，越来越多的基于采样协方差矩阵的盲检测算法应用于频谱感知。针对其检测门限是近似值，检测性能会受到影响等问题，提出了基于采样协方差矩阵的混合核函数的支持向量机（support vector machine,SVM）高效频谱感知，通过感知信号采样协方差矩阵的最大最小特征值（maximum minimum eigenvalue,MME）和协方差绝对值（covariance absolute value,CAV）提取的统计量作为SVM的特征向量并训练其生成频谱感知的分类器，无需计算检测门限并且特征提取减少了样本集的大小。利用遗传算法（genetic algorithm,GA）优化混合核函数的SVM的参数。实验结果表明，该方法比MME算法和CAV算法的检测概率有所提高，并且比SVM减少了感知时间，具有良好的实用性。

(Production and Logistics) Dr. Dirk C. Mattfeld (auth.)-Evolutionary Search and the Job Shop_ Investigations on Genetic Algorithms for Production Scheduling-Physica-Verlag Heidelberg (1996)

GA-公安信息通信网边界接入平台安全规范.pdf