结合http://blog.csdn.net/jbb0523/article/details/45130793，由此转载

阵列天线模型建模，并且用matlab实现经典的DOA估计中的music算法仿真

多领导者改进算法的MATLAB仿真 loop=500; %确定循环周期 s=0.1; %s取值范围为(0,1) n=10; %初始化智能体个数 r=6; %初始化智能体感知半径 dw=5; %网格Lattice距离 a=1;b=2; %0<=a0 step=0.1; %确定步长 h=0.9; %定义参数h，其取值范围为（0,1） size=50; %初始范围 %---------系统初始化------------------------ q=size*rand(2,n); %初始化智能体初始位置向量 p=2*rand(2,n)-1; %初始化智能体初始速度向量 qr1=size*rand(2,1); %初始领导者1位置向量 pr1=2*rand(2,1)-1; %初始领导者1速度向量 qr2=size*rand(2,1); %初始领导者2位置向量 pr2=2*rand(2,1)-1; %初始领导者2速度向量 qqr1=zeros(2,loop); %每个时间段领导者的位置向量 ppr1=zeros(2,loop); %每个时间段领导者的速度向量 qqr2=zeros(2,loop); %每个时间段领导者的位置向量 ppr2=zeros(2,loop); %每个时间段领导者的速度向量 qq=zeros(2,n,loop); %每个时间段的位置向量 pp=zeros(2,n,loop); %每个时间段的速度向量

c均值聚类算法matlab代码 iqm代表反向量化的k均值（IQ-means），并实现了一种用于快速近似聚类的方法。 执照 iqm拥有2句BSD许可证。 请参阅文件以获取完整的许可证文本。 目录结构 iqm主要由Matlab .m文件组成，但还包括许多.cpp文件，这些文件被编译为mex文件以与Matlab接口。 目录结构为： /anim animation of algorithm iterations on 2D example /config project configuration, including datasets, paths etc. /disp text/graphical display /lib generic utilities library /quant full set of learning, encoding, inversion and search methods /sub underlying code handling subspaces /test main test entry points /util specific utiliti

多目标进化算法matlab代码sy-e 从原始存储库分叉 SyR-e 是一种 Matlab/Octave 代码，用于通过有限元分析和多目标优化算法设计同步磁阻电机。 它需要安装 Matlab/Octave 和 FEMM 软件。 推荐的 FEMM 版本是 2013 年 11 月 15 日发布的 4.2。Matlab/Octave 脚本将同步磁阻电机的参数化绘图实现为 .fem 文件，由 FEMM 软件进行分析。 在对机器进行有限元分析 (FEA) 后，将主要结果传递给 Matlab/Octave。 这既可用于借助多目标优化算法进行设计优化，也可用于后处理阶段的机器详细分析。 特性 同步磁阻电机的自动化设计 多目标差分演化 FEMM 和 XFEMM 支持 兼容 Matlab/Octave 语言 多核 PC 上的并行计算 跨平台 (Win/Linux) 功能

正则化算法，可以用来对数据进行处理，降噪

决策树ID3算法matlab源代码片段 function [Tree RulesMatrix]=DecisionTree(DataSet,AttributName) %输入为训练集，为离散后的数字，如记录1：1 1 3 2 1； %前面为属性列，最后一列为类标 if nargin<1 error('请输入数据集'); else if isstr(DataSet) [DataSet AttributValue]=readdata2(DataSet); else AttributValue=[]; end

关于： 这不是完美的版本。 我尝试复制“一种基于同质性的新边缘处理方法”的工作。 使用 PSO 进行检测——Mahdi Setayesh、Mengjie Zhang 和 Mark Johnston”。以一种简单的方式。结果尚不完美，但可以通过调整来改进。这是一个很好的入门材料。 目标函数：均匀性（边缘较小）/同质性（边缘较高） 染色体编码：在选定像素之后的连续行中的 5 个像素，其值为 1-8（8 个方向）0 表示没有像素 请阅读“噪声图像边缘检测的粒子群优化，Mahdi Setayesh 论文”和“静态和动态拓扑在噪声图像边缘检测的粒子群优化中的影响”

该存储库包含“汤普森采样高效多目标优化”(TSEMO) 算法 [1] 的源代码。 该算法专为评估成本高昂的黑盒函数的全局多目标优化而设计。 例如，该算法已应用于生命周期评估（LCA）和化学过程仿真成本的同时优化[2]。 但是，该算法也可以应用于其他黑盒函数，例如 CFD 模拟。 它基于贝叶斯优化方法，构建高斯过程代理模型以加速优化。 此外，该算法可以在每次迭代中识别几个有希望的点（批量顺序模式）。 这允许并行评估多个模拟。 [1] Bradford，E.，Schweidtmann，AM和Lapkin，A. J Glob Optim（2018）。 https://doi.org/10.1007/s10898-018-0609-2 [2] D. Helmdach, P. Yaseneva, PK Heer, AM Schweidtmann, AA Lapkin, ChemSusChem 201

K中心聚类算法的Matlab代码，以及分析的数据集文档。欢迎下载