压缩包内含《MATLAB智能算法30个案例》课本PDF以及所有示例代码，仅供学习参考，不得用于商业用途，谢谢合作。

matlab中存档算法代码KTA2 KTA2-克里金辅助的Two_Arch2 - - - - - - - - - - - - - - - - 参考 - - - - - - - - - -------------- Z. Song，H. Wang，C. He和Y. Jin，Kriging辅助的两归档进化算法，用于IEEE进化计算中的多目标优化。 -------------------------------版权------------------ -------------- 版权所有（c）2021 HandingWangXD Group。 在保留本版权声明并引用了代码来源的前提下，允许出于研究和非商业目的复制和使用此代码。 该代码按“原样”提供，没有任何明示或暗示的保证。 ----------------------------参数设置-------------------- ------- mu --- 5 ---每一代重新评估的解决方案的数量 tau --- 0.75 * N ---训练数据中一种非影响点的比例 wmax-10-更新CA和DA之前的世代数 phi --- 0.1 -

AES招标的候选加密算法Serpent代码

  近年来，机器学习方法在农业领域的应用取得巨大成功，广泛应用于科 学施肥、产量预测和经济效益预估等领域。根据土壤信息进行数据挖掘，并在此基础上提出区域性作物的种植建议，不仅可以促进农作物生长从而带来经济效益，还可以改善土壤肥力，促进可持续发展。本文根据土土 壤养分元素[如：氮（N）、磷（P）、钾（K）等]的含量建立模型分析并且给出精准预测,可以实现了几种机器学习分类算法形成科学的种植方案,最终还实现了应用界面的实现。

本手册，包含了大部分c语言的算法。每个算法均以具体代码实现。

nsga ii算法代码MATLAB 演示“工具箱” 多目标优化的差分进化 这些代码是由（）在其理学硕士期间开发的。 在（）教授的指导下，在米纳斯吉拉斯州联邦大学就读。 Octave-Matlab文件夹包含Octave的实现（也应在Matlab上工作）。 实现了以下算法： 后验方法（无首选项）： – DEMO [1]：具有非支配排序的常规DEMO； – IBEA [2]：使用指标代替DEMO。 先验的或交互式的（具有首选项）： – R-DEMO [3]：R-NSGA-II，但改用DEMO； – PBEA [4]：IBEA，但使用参考点； – PAR-DEMO（nds）[5]：我们提出的使用非支配排序的方法； – PAR-DEMO（ε）[5]：相同的方法，但使用指示符。 Fillipe的理学硕士论文可用，并包含了多目标优化和基于偏好的方法的广泛评论。 它还包含对基于首选项的自适应兴趣区域（PAR）框架的更广泛的描述和讨论。 如果您以任何方式使用这些代码，请引用我们的论文[5]： @article{Goulart2016, doi = {10.1016/j.ins.2015.09.015},

学习opencv中的一段为嘛经过补充完整之后可以运行了。。参数可以自行更改查看效果

完整插值与拟合各种算法代码 经本人调试 可实现

matlab生成算法代码ParNMPC版本1903-1 1903-1版的新功能： 原始对偶内点法 改进的用户界面 更好的性能 线搜索 介绍 主页： ParNMPC是用于非线性模型预测控制（NMPC）的MATLAB实时优化工具包。 ParNMPC的目的是为NMPC问题表述，闭环仿真和部署提供一个易于使用的环境。 使用ParNMPC ，您可以非常轻松地定义自己的NMPC问题， ParNMPC会自动为单核或多核CPU生成自包含的C / C ++代码。 即使只有一个内核， ParNMPC也非常快（计算时间通常在$ \ mu $ s范围内），并且启用并行计算时可以实现很高的加速比。 强调 符号问题表示 使用OpenMP自动并行C / C ++代码生成 收敛速度快（达到超线性） 高度可并行化（最多可以使用N个核，N是离散化步骤的数量） 高加速比 MATLAB与Simulink 安装 克隆或下载ParNMPC 。 解压缩下载的文件。 要求 MATLAB 2016a或更高版本 MATLAB编码器 MATLAB优化工具箱 MATLAB并行计算工具箱 MATLAB符号数学工具箱 Simulink编码器 支

matlab中存档算法代码神经网络 这是我对K-NN机器学习分类算法的实现。 它是用Matlab编写的，并使用来自的数据将数据分为两类（良性或恶性） 它使用十倍交叉验证将数据集分为训练和测试集 它具有更改代码中K个邻居的数量的能力，因此可以选择分类时要考虑的邻居个数 该程序输出准确性，敏感性和特异性作为善度的量度