资源包括：AFS模型、两相混合步进电机模型、PID控制初始参数求解、PID控制、模糊PID、基于PSO的PID控制、基于BAS的PID控制和基于BAO的PID控制的性能对比，压缩文件包括详细WORD说明文档、参考文献列表、README说明、M文件、MATLAB-Simulink模型
2021-07-13 09:59:16
2.13MB
1
运行文件PSO,即可运行程序。程序给了相应中文解释。本文件提供4个相关的数据集，前缀为data为是数据，前缀为target为数据的标签。注：使用的是MATLAB2016a版本，采用MATLAB自带的SVM,若已安装林志仁SVM，则程序可能会运行失败，解决办法：MATLAB设置路径为默认路径，再次运行即可。
2021-07-09 09:11:55
9.57MB
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
2021-07-05 12:24:48
2.48MB
1