SVM分类检测（Python2.7） HoG，PCA，PSO，硬负开采，滑动窗口，NMS 最好的检测方法是： HoG（功能）-> PCA（较少功能）+ PSO（最佳C＆gamma）->原点SVM-> HNM（更多功能）->更好的SVM-> SW-> NMS（bbox回归） 对不起，我很懒惰。 我认为我应该澄清该程序的步骤。 提取HoG功能（脚本1） 训练PSO的初始模型（脚本2） 进行pca和pso以获得更好的参数C和伽玛（脚本6） 使用no-pca功能和最佳参数来训练第二个模型（脚本2） 为了提高精度，请使用第二个模型进行hnm并获得最终模型（脚本7） 最后，选择您要进行定位的算法（脚本8或9或10） PS： 我使用pca的原因是为了加快pso的速度。 老实说，pso真的很慢。 对于第4步，您也可以使用由pca处理的功能，但是我强烈建议您尽可能保留更多功能。

群智能算法入门

matlab代码粒子群算法Hybrid-K-means-Pso（MATLAB） K-Means的高级版本，使用粒子群算法对高维数据集进行聚类，可以更快地收敛到最佳解决方案。 “聚类”是一种用于对数据集中的元素进行分区的技术，以便将相似的元素分配给相同的群集，而将具有不同属性的元素分配给不同的群集。 快速，高质量的文档聚类算法在有效地导航，汇总和组织信息方面起着重要作用。 分区聚类算法更适合于对大型数据集进行聚类。 在此项目中，我们将实现带有K-means文档聚类算法的混合粒子群优化（PSO），该算法执行快速文档聚类，并且可以避免陷入各种高维数据集的局部最优解中。 PSO与K-means混合算法结合了PSO算法的全局搜索能力和K-means算法的快速收敛性。 对获得的结果进行分析，并比较该算法在大型数据集上的准确性和性能。 数据集：IRIS，扑克，心脏，避孕方法选择数据集（取自UCI存储库） 如果还需要gui和代码，请复制所有gui文件。 否则，只需复制您所需数据的各个Kmeans.m，KPSO.m和KPSOK.m文件，然后以相同的顺序执行即可。 还包括所有数据文件。 完整的信息，背景和

粒子群算法（PSO）优化的径向基函数（RBF）神经网络算法.zip

matlab中pso算法代码 FMOPSOTrainControl:Using MOPSO algorithm to optimize traction energy consumption of subway language：MATLAB 项目名称：基于FMOPOS算法的城轨列车牵引能耗优化 简介 其中列车计算模块通过通过数值方法对列车的动力学微分方程进行求解，能够计算牵引、巡航、惰性和制动四种工况下的列车运行状态，输出位置、速度和能耗等信息。控制命令模型，能够将根据工况序列和切换点将输出列车在不同的位置对应的控制命令，使列车按预定方式运行。状态评估模型能够接收列车计算模块输出的列车状态信息，根据评估隶属度函数对优化指标进行评价。 MOPSO算法模块从优化指标评估模块获得每个种群粒子的适应度，然后进行相应的筛选、保留和迭代操作。 列车运行仿真模块由牵引力子模块、制动力子模块、运行阻力子模块和延迟子模块几部分组成。牵引力模块根据控制指令控制牵引力的大小，当控制指令的值为正时输出牵引力，牵引力的大小与控制指令的大小成正比。同时根据列车的牵引特性曲线，限制输出牵引力不超过当前情况下允许的

自己写的，编程渣渣，写的很乱，但也基本实现了，仅供参考。有朋友可以联系我相互讨论学习，

Introduction 复现了一些TSP问题的相关算法，对TSP数据集st70.tsp进行了测试，并对此测试数据调整了参数，开箱即用。 Algorithms 动态规划(DP) 遗传算法(GA) 粒子群算法(PSO) 模拟退火算法(SA) 蚁群算法(ACO) 自适应神经网络(SOM) 禁忌搜索算法(TS) 指针网络(Pointer-network)[pytorch版本复现] Tips 遗传算法核心要素：父代集合的数量，选择两个父代个体的方式，交叉操作、变异操作 粒子群算法核心要素：个体当前最优与粒子群群体当前最优，生成新个体的时候与这两个最优解都会发生交叉 模拟退火算法核心要素：跳出最优解的概率必须是会随着时间变化，降温速度，初始温度，最终温度，随机解的生成方式，随季解数量 蚁群算法核心要素：不同城市之间的概率转移矩阵不断变化（受信息素的影响），参数繁多 自适应神经网络核心

用于特征选择的粒子群优化 运行算法： 步骤 1：运行 PSO.m 文件 您可以使用您选择的数据集和 SVM 分类器替换数据集和 SVM 分类器。 如果您发现错误，请给我们发电子邮件。 Sadegh Salesi sadegh.salesi@my.ntu.ac.uk Georgina Cosma 博士 georgina.cosma@ntu.ac.uk 参考：S. Salesi 和 G. Cosma，“一种用于特征选择的新型扩展二进制布谷鸟搜索算法”，2017 年第二届知识工程与应用国际会议 (ICKEA)，伦敦，2017 年，第 6-12 页。 doi：10.1109/ICKEA.2017.8169893 网址： http : //ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8169893&isnumber=8169886

在MATLAB中运用psoSVMcgForClass函数需要的代码，把它放在路径文件夹中，在编写预测模型代码时就可使用psoSVMcgForClass函数了可适当修改一些参数，可读性强，利用率高。

针对粒子群算法求解置换流水车间调度这类NP-hard问题存在的早熟问题，本文提出了一种基于随机键编码的双模式飞行粒子群算法。首先，基于ROV规则对工件加工顺序进行随机键编码。其次，粒子在搜索过程中采用带有自适应惯性权重的双模飞行方式来更新位置和速度，避免粒子群陷入早熟收敛状态。为了提高解的质量，每次迭代过程中对PSO优化得到的种群最优解进行邻域局部搜索。最后，通过对标准测试集的数值仿真及与其他PSO算法的比较，证实了所提算法求解该问题的有效性与可行性。