matlab代码粒子群算法自适应CLPSO Matlab代码用于宏观自适应综合学习粒子群优化器（MaPSO）和微观自适应综合学习粒子群优化器（MiPSO）算法。 抽象的 优化启发式算法（如粒子群优化器（PSO））的广泛使用对参数自适应提出了巨大挑战。 PSO的一种变体是综合学习粒子群优化器（CLPSO），它使用所有个人的最佳信息来更新其速度。 CLPSO的新颖策略使种群能够从特定世代的样本中进行读取，这称为刷新间隙m。 在本文中，我们开发了两类学习自动机（LA），以研究自动机对CLPSO刷新间隙调整的学习能力。 在第一类中，将学习自动机分配给总体，在第二类中，每个粒子都有自己的个人自动机。 我们还将所提出的算法与CLPSO和CPSO-H算法进行了比较。 仿真结果表明，我们的算法在性能，鲁棒性和收敛速度方面均优于同类算法。 参考 [1] Mohammad Hasanzadeh，Mohammad Reza Meybodi和Mohammad Mehdi Ebadzadeh，“，”在人工智能和信号处理中，Springer国际出版，2014年，第267-276页。

PBFDAF方法介绍： On the implementation of a partitioned block frequency domain adaptive filter (PBFDAF) for long acoustic echo cancellation.pdf

该包通过混合自适应提供了自适应图像去噪算法的实现。 所提出的方法 [1, 2] 采用从通用外部数据库中学习到的通用先验，并将其适应噪声图像以生成特定先验，然后将其用于 MAP 去噪。 所提出的算法是严格推导出来的从贝叶斯超先验的角度来看，并进一步简化以降低计算复杂度。 要对去噪性能进行整体评估，请运行演示文件：“demo.m”。 如需更多信息和引文，请参阅： [1] E. Luo、SH Chan 和 TQ Nguyen，“通过混合自适应进行自适应图像去噪”，IEEE Trans。 图像处理。 2016 年。 [2] SH Chan、E. Luo 和 TQ Nguyen，“基于 EM 适应的自适应补丁图像去噪”，Proc。 IEEE 全球会议信号信息处理。 （GlobalSIP'15），2015 年 12 月。

复杂的自适应系统森林火灾模型扩展 扩展了Netlogo 6.0库中的Forest Fire Extension 1模型，使其包含随机自发启动。 为了研究消防效果，提出了两个单独的模型，第一个基于传统的监视塔，以提供性能基准，第二个基于无线传感器网络。 与传统的钟楼相比，无线传感器网络被证明是一种非常经济高效的解决方案。

该软件包包含 3 个 MCMC 功能： RWM.m - 具有最佳接受率调整的标准 Metropolis Hastings。 [N.Metropolis，AWRosenbluth，MNRosenbluth，AHTeller和E. Teller，“通过快速计算机进行状态计算的方程”，《化学物理学报》，第1卷。 21，没有。 6，第 1087-1092 页，1953 年] AM.m - 具有最佳接受率调整的自适应大都会。 [H。 Haario、E. Saksman 和 J. Tamminen，“自适应 Metropolis 算法”，伯努利，卷。 7，第 223-242 页，2001 年] FSS.m-具有最佳初始宽度调整的因子切片采样。 [MM Tibbits、C. Groendyke、M. Haran 和 JC Liechty，“自动因子切片采样”，《计算和图形统计杂志》，第 2 期。

Hash tables are the fundamental data structure for analytical database workloads, such as aggregation, joining, set filtering and records deduplication. The performance aspects of hash tables differ drastically with respect to what kind of data are being processed or how many inserts, lookups and deletes are constructed. In this paper, we address some common use cases of hash tables: aggregating and joining over arbitrary string data. We designed a new hash table, SAHA, which is tightly integrate

Adaptive Server Anywhere 编程指南+Adaptive Server Anywhere 数据库管理指南

美国Mitaim S学者关于随机共振的基础研究，具有重要意义，IEEE收录文章。

论文“The Adaptive Radix Tree”的代码实现。算法实现了ART文章中提到的路径压缩和懒扩展方法，还有插入关键字、查看ART树中已有的关键字总数、查找某个关键字、删除关键字、查找包含某个前缀的关键字等方法。

本代码为自适应局部迭代滤波（ALIF）处理振动信号，内有可运行的示例（demo文件），添加了相关注释，matlab2018可以直接运行，其他版本请自行尝试。ALIF是2016年Antonio Cicone提出的一种自适应信号处理方法，原作者论文已附在压缩包中，代码中的示例效果并不代表最佳效果，只作为运行展示使用。