一、代码有详细的注释 二、计算过程分步进行，条理清晰 三、适合数学建模初学者学习

二、粒子群算法的具体表述 上面罗嗦了半天，那些都是科研工作者写论文的语气，不过，PSO的历史就像上面说的那样。下面通俗的解释PSO算法。 PSO算法就是模拟一群鸟寻找食物的过程，每个鸟就是PSO中的粒子，也就是我们需要求解问题的可能解，这些鸟在寻找食物的过程中，不停改变自己在空中飞行的位置与速度。大家也可以观察一下，鸟群在寻找食物的过程中，开始鸟群比较分散，逐渐这些鸟就会聚成一群，这个群忽高忽低、忽左忽右，直到最后找到食物。这个过程我们转化为一个数学问题。寻找函数 y=1-cos(3*x)*exp(-x)的在[0,4]最大值。 ----------------------------------------------------------------- 标准粒子群算法的实现思想基本按照粒子群算法(2)----标准的粒子群算法的讲述实现。主要分为3个函数。第一个函数为粒子群初始化函数 InitSwarm(SwarmSize......AdaptFunc)其主要作用是初始化粒子群的粒子，并设定粒子的速度、位置在一定的范围内。本函数所采用的数据结构如下所示： 表ParSwarm记录的是粒子的位置、速度与当前的适应度值，我们用W来表示位置，用V来代表速度，用F来代表当前的适应度值。在这里我们假设粒子个数为N，每个粒子的维数为D。 ---------------------------------------------------------------------

利用局部搜索算法解决一个国外课程中的经典最优化问题，附题目和matlab代码，可运行出结果。

局部保持投影算法 LPP 有数据mat 可以实现

STAR-CCM+ STAR-CCM+局部加密教程 很好的网格加密教程

demo可直接运行，代码实现了局部标准差法噪声评估，对于后续去噪工作具有参考价值，含基于局部标准差的遥感图像噪声评估方法文献。

图像中用于放大图像细节做对比试验的matlab代码，代码实现了可以用鼠标在图像中选取任意区域大小进行指定数值倍数的放大。

非局部均值，图像去噪，matlab程序，可直接运行，有点慢

局部方向模式（LDP）利用8个Kirsch模板与3×3局部邻域卷积得到局部的边缘梯度值,然后取绝对值并排序,最后将最大的三个梯度所在的方向信息编码成一个八位二进制数;其不足之处在于将边缘梯度求绝对值后进行编码。

介绍了一种新的非平稳信号分析方法———局部均值分解(Localmean decomposition,简称LMD) 。LMD方 法可以自适应地将任何一个复杂信号分解为若干个具有一定物理意义的PF ( Product function)分量之和,其中每个PF分 量为一个包络信号和一个纯调频信号的乘积,从而获得原始信号完整的时频分布。本文首先介绍了LMD方法,然后将 LMD方法对仿真信号进行了分析,取得了满意的效果,最后将其和经验模式分解EMD ( Emp irical mode decomposition)方 法进行了对比,结果表明在端点效应、迭代次数等方面LMD方法要优于EMD方法。