粒子群优化极限学习机的参数。最佳粒子位置即为最优输入权值和隐层阈值。自己跑过的，放数据匹配一下就可以用

eSTREAM上公布的Grain算法的源代码，已经使用并成功运行。如果windows环境下不会调试，在linux中编译运行即可。

莱维飞行改进麻雀算法(SSA)优化BP神经网络回归预测，LevySSA-BP回归预测，多变量输入单输出模型。 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。

IGWO-SVM：改良的灰狼优化算法改进支持向量机。 采用三种改进思路：两种Logistic和Tent混沌映射和采用DIH策略。 采用基于DIH维度学习的狩猎搜索策略为每只狼构建邻域，增强局部和全局搜索能力，收敛速度比GWO更快，适用于paper。

卡尔曼滤波算法的锂电池SOC估算模型

在经历了机械式、电气式、模拟电子式仪表时代后，汽车仪表进入了如今的步进电机全数字式仪表时代。目前，国内部分中、高档轿车，均配套使用步进电机汽车仪表。其它汽车也正在配套该类型的仪表。步进电机汽车仪表，将是未来一段时间内汽车仪表的主导产品，有着十分广阔的市场前景。

进程调度算法____操作系统课程设计__随机产生数

操作系统进程管理，按优先数调度算法实现处理器调度，进程调度！

程调度算法：采用最高优先数优先的调度算法，即把处理机分配给优先数最高的进程。 每个进程由一个进程控制块（PCB）表示。进程控制块可以包含如下信息：进程名、优先数、需要运行的时间、已占用的CPU时间、进程状态等等。

针对工业过程的非线性和多模态特征,提出了一种基于局部近邻标准化(local neighborhood standard ization,LNS)和主多项式分析(principal polynomial analysis,PPA)结合的故障检测算法。首先,将样本数据通过局部近邻标准化(local neighbor standardization,LNS)算法,对每个样本构建k近邻数据集;然后应用k近邻数据集的均值和方差对当前样本进行标准化处理;最后使用PPA对已经标准化处理后的样本建模,计算出T2和SPE统计量,并确定控制限进行故障检测。LNS算法能够去除数据中的多模态特征,而PPA算法能够有效的处理非线性数据,因此LNS-PPA方法能够提高具有多模态非线性特征的工业过程故障检测能力。将该方法应用于多模态非线性数值例子和田纳西伊斯曼(TE)化工过程,并将测试结果与主元分析法(principal component analysis,PCA)、主多项式分析法进行对比,其结果能够有效验证LNS-PPA的优越性。