java基于蚁群算法路由选择可视化动态模拟(LW+开题报告+翻译+任务书+外文翻译) java基于蚁群算法路由选择可视化动态模拟(LW+开题报告+翻译+任务书+外文翻译).java基于蚁群算法路由选择可视化动态模拟(LW+开题报告+翻译+任务书+外文翻译). java基于蚁群算法路由选择可视化动态模拟(LW+开题报告+翻译+任务书+外文翻译). java基于蚁群算法路由选择可视化动态模拟(LW+开题报告+翻译+任务书+外文翻译). java基于蚁群算法路由选择可视化动态模拟(LW+开题报告+翻译+任务书+外文翻译). java基于蚁群算法路由选择可视化动态模拟(LW+开题报告+翻译+任务书+外文翻译). java基于蚁群算法路由选择可视化动态模拟(LW+开题报告+翻译+任务书+外文翻译). java基于蚁群算法路由选择可视化动态模拟(LW+开题报告+翻译+任务书+外文翻译). java基于蚁群算法路由选择可视化动态模拟(LW+开题报告+翻译+任务书+外文翻译).
2024-05-26 18:11:25 1.21MB java
1
java基于蚁群算法路由选择可视化动态模拟(论文+开题报告+翻译+任务书+外文翻译)java基于蚁群算法路由选择可视化动态模拟(论文+开题报告+翻译+任务书+外文翻译)java基于蚁群算法路由选择可视化动态模拟(论文+开题报告+翻译+任务书+外文翻译)java基于蚁群算法路由选择可视化动态模拟(论文+开题报告+翻译+任务书+外文翻译)java基于蚁群算法路由选择可视化动态模拟(论文+开题报告+翻译+任务书+外文翻译)java基于蚁群算法路由选择可视化动态模拟(论文+开题报告+翻译+任务书+外文翻译)java基于蚁群算法路由选择可视化动态模拟(论文+开题报告+翻译+任务书+外文翻译)java基于蚁群算法路由选择可视化动态模拟(论文+开题报告+翻译+任务书+外文翻译)java基于蚁群算法路由选择可视化动态模拟(论文+开题报告+翻译+任务书+外文翻译)java基于蚁群算法路由选择可视化动态模拟(论文+开题报告+翻译+任务书+外文翻译)java基于蚁群算法路由选择可视化动态模拟(论文+开题报告+翻译+任务书+外文翻译)java基于蚁群算法路由选择可视化动态模拟(论文+开题报告+翻译+任务书+外
2024-05-26 18:01:46 1.06MB java 毕业设计
1
本程序使用小波变换对脑电进行分组重构,获得不同频率的脑电波形
2024-05-22 16:10:10 3KB
基于小波变换的图像拼接,用到SIFT特征点匹配,内容包括源代码及待匹配图像。
2024-05-20 15:29:28 2.58MB 小波变换 图像拼接
1
matlab非平稳信号噪声消除 小波变换与傅里叶变换对比
2024-05-07 16:30:01 959B 小波变换
智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码
2024-04-25 14:08:18 455KB matlab
1
针对开采沉陷计算参数反演方法存在早熟收敛现象、容易陷入局部最优解的问题,提出将蚁群算法运用于开采沉陷计算参数反演:首先对反演参数的搜索空间进行离散,将参数反演问题转化为组合优化问题,然后建立了基于最大-最小蚁群算法的概率积分法计算参数反演流程。应用实例表明,蚁群算法对观测站测点缺失具有较强的抗干扰能力,较最小二乘法和模矢法有较好的拟合效果。
1
在MATLAB中用一群算法实现三维路径规划的代码,可以运行,自己修改地图数据即可达到自己的需求
2024-03-05 09:42:07 6KB 三维地图 地图数据 路径规划
1、资源内容:基于Matlab蚁群算法的三维路径规划算法(源码+数据).rar 2、适用人群:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计,作为“参考资料”使用。 3、解压说明:本资源需要电脑端使用WinRAR、7zip等解压工具进行解压,没有解压工具的自行百度下载即可。 4、免责声明:本资源作为“参考资料”而不是“定制需求”,代码只能作为参考,不能完全复制照搬。不一定能够满足所有人的需求,需要有一定的基础能够看懂代码,能够自行调试代码并解决报错,能够自行添加功能修改代码。由于作者大厂工作较忙,不提供答疑服务,如不存在资源缺失问题概不负责,谢谢理解。
2024-03-05 09:37:34 6KB matlab
为了提高瓦斯涌出量预测的精度和预测模型的泛化能力,提出了一种基于蚁群算法(ACO)优化支持向量机(SVM)参数的瓦斯涌出量预测方法。在SVM所建立预测模型中各个参数的取值区间内,采用蚁群优化算法计算预测模型各个参数的最佳值,基于最佳参数的SVM建立瓦斯涌出量预测模型。结果表明:采用未优化的SVM建立的预测方法,其个别预测误差相对较大,最大误差为8.11%,平均误差为4.68%,采用ACO对于预测模型的参数进行优化后,预测性能有显著提高,最大误差为4.37%,平均误差为2.89%,表明所建议的方法是有效、可行的。
1