JAVA经典算法40题 适合初学者 涵盖大部分基础算法

提出了一种特征权值与尺度自适应的核相关跟踪算法。提取目标搜索区域的方向梯度直方图（HOG）特征和颜色名（CN）特征进行自适应权值融合，通过融合特征的相关滤波响应图的峰值找到目标位置；利用权值较大特征的相关滤波响应图的峰值和峰值旁瓣比的乘积作为尺度评估依据，对目标尺度进行粗略估计和精确估计，从而得到目标的最佳尺度。通过在目标跟踪标准（OTB-2013）数据集上的仿真实验，结果表明相比核相关滤波跟踪算法以及其他5种跟踪算法，所提算法在跟踪精度和成功率方面都有明显提高，跟踪精度为0.799，成功率为0.723，能较好地适应目标尺度的变化。

卡尔曼滤波算法C语言实现

matlab经典算法代码下载

做神经网络，做快速性能最优越的就属matlab来做了。 之前做matlab和C#的通讯都是：matlab做方法，编译成dll给C#调用。 但matlab的神经网络算法，无法做成dll给C#调用。 唯一办法是C#利用matlab引擎来做神经网络。 内有详细代码，和测试数据。分别区分0,1这两种数据。

通过粒子群算法对卷积神经网络结构的参数进行优化，最后在训练集和测试集上进行验证，效果比普通卷积神经网络的精度更高。粒子群算法可以有效高效地为卷积神经网络的超参数搜索提供方案。相比手动设计,粒子群算法通过模拟进化算法的方式,有望找到更佳结构。 粒子群算法可以用于卷积神经网络（Convolutional Neural Network, CNN）的优化。CNN是一种常用于图像识别、语音识别等领域的深度学习模型，它由多个卷积层、池化层和全连接层组成。CNN模型的优化需要调整的超参数很多，包括卷积核大小、卷积核数量、池化大小、学习率等等。因此，使用传统的梯度下降算法可能会陷入局部最优解，而粒子群算法则可以通过全局搜索来寻找更优的解。

贝叶斯算法(bayes)优化随机森林的数据回归预测，bayes-RF回归预测，多变量输入模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

灰狼优化算法GWO优化SVM支持向量机惩罚参数c和核函数参数g，有例子，易上手，简单粗暴，替换数据即可，分类问题。 仅适应于windows系统

开普勒优化算法.zip

mikktspace Mikkelsen切线空间算法参考实现的端口。 至少需要Rust 1.31.0。 示例生成了Mikkelsen切线空间算法参考实现的mikktspace端口的演示。 至少需要Rust 1.31.0。 示例生成演示为每边具有4个三角形面的立方体生成切线。 货物运行-示例生成许可证协议，该协议根据Apache许可证2.0版（LICENSE-APACHE或http://www.apache.org/licenses/LICENSE-2.0）许可获得MIT许可证（LICENSE-MIT或http：// opensource .org / licenses / MIT）供您选择。 除非您明确声明其他