最近小程序云发开的开放让我又有了更新我的微信小程序版博客的动力。 背景 由于我的博客是基于开源博客框架ghost搭建的，虽然相较于wordpress轻量了很多，但在功能上远没有wordpress丰富，像基本的网站统计，文章统计，点评之类的通通没有。 我的pc端博客是通过接入第三方组件来实现的，但小程序端一直无法实现「需要自己再搭建个服务端」。但有了云开发之后，这一切就变得有可能啦。 想了解我的博客搭建和小程序版博客可以参考下面两篇文章： 搭建Ghost 博客详细教程（总） 微信小程序版博客——开发汇总总结（附源码） 统计实现 最想实现的还是统计功能啦，每篇文章的 浏览量 ， 点评数 ， 点赞数

提供一个自用的粒子群算法和例子，希望能有所帮助。粒子群优化算法（Partical Swarm Optimization PSO），粒子群中的每一个粒子都代表一个问题的可能解，通过粒子个体的简单行为，群体内的信息交互实现问题求解的智能性。由于PSO操作简单、收敛速度快，因此在函数优化、 图像处理、大地测量等众多领域都得到了广泛的应用。 随着应用范围的扩大，PSO算法存在早熟收敛、维数灾难、易于陷入局部极值等问题需要解决，主要有以下几种发展方向。

最优化实验之变尺度法 double f (double coe[], double x[])//返回函数值待求函数的函数值 { return coe[0]*pow(x[0],2)+coe[1]*pow(x[1],2)+coe[2]*x[0]*x[1]+coe[3]*x[0]+coe[4]*x[1]+coe[5]; } void grads (double coe[], double x[],double grads_x[]) //二维函数梯度函数定义 { grads_x[0] = 2*coe[0]*x[0]+coe[2]*x[1]+coe[3]; grads_x[1] = 2*coe[1]*x[1]+coe[2]*x[0]+coe[4]; } void SD(double h[],double grads_x[],double s[])//定义搜索方向向量函数 { s[0]=-(h[0]*grads_x[0]+h[1]*grads_x[1]); s[1]=-(h[2]*grads_x[0]+h[3]*grads_x[1]); } double findlambda (double coe[], double x[], double s[]) //求解lambda { return(-(2*coe[0]*x[0]*s[0]+2*coe[1]*x[1]*s[1]+coe[2]*x[0]*s[1]+coe[2]*x[1]*s[0]+coe[3]*s[0]+coe[4]*s[1])/(2*coe[0]*s[0]*s[0]+2*coe[1]*s[1]*s[1]+2*coe[2]*s[0]*s[1])); } void H (double h[],double x[],double temp_x[],double grads_x[],double temp_g[] )//求解变化矩阵H

基于matlab的svm的留一法代码实现AROMS-机器学习 机器学习的自动表示优化和模型选择框架-AROMS-Framework 这是AROMS-Framework的Matlab源代码的发布。 这是我在德国杜伊斯堡－埃森大学的智能系统小组（Intelligente Systeme）的博士项目的主要贡献。 我的博士学位论文题目为“机器学习的自动表示优化和模型选择框架”在线发表： 英博士Dipl.-Inf。 FabianBürger，2016年7月4日 与我联系的一种方法是：fabuerger | at | gmail | dot | com ==应用领域和方法== AROMS框架的应用领域是针对监督分类问题的数据处理管道的优化。 管道非常适合每项学习任务，由四个连续处理数据的元素组成： 特征选择元素选择有用的特征子集 功能预处理元素应用数据预处理方法，例如重新缩放，L2归一化或预白化 特征变换元素从流形学习和表示学习领域应用合适的特征变换，例如主成分分析（PCA），自动编码器或LLE（局部线性嵌入） 分类器元素包含分类器，并提供了多种选择，例如内核支持向量机（SVM），随机森林或人工神

擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。

【群体智能优化算法】布谷鸟搜索算法matlab求解函数最小值代码，稍微简化了一点点，相关流程和介绍博客中有哦~未简化的代码我就先不上传了嘻嘻嘻

最优化方法及其Matlab程序设计-最优化方法及其Matlab程序设计.rar 本人刚刚接触matlab及其优化设计不久，《最优化方法及其Matlab程序设计》有助于学习，特此分享。 最优化方法及其Matlab程序设计.rar

用户可以在全套 MATLAB 优化算法之间进行选择，以设计矩形波导中的耦合腔滤波器。 用户可以选择如何比较理想和实际响应以计算误差。 随着散射参数曲线向滤波器的理想切比雪夫响应演化，可以观察优化算法的进展。 用户可以选择： - 滤波器的谐振器数量- 部分带宽- 通带中的回波损耗 中心频率为 11 GHz。

（非线性）优化库 该库旨在实现不同的数学优化算法，例如规则和共轭梯度下降。 数学由提供支持。 梯度下降算法 弹性误差梯度下降 共轭梯度下降算法 Hager-Zhang（“ CG_DESCENT”） Polak-Ribière（支持预处理） 弗莱彻-里夫斯 线搜索算法 割线 具有二次步进的Hager-Zhang 成本函数 残差平方和

2020年商品条码信息库，包括商品条码、商品名称、商品规格型号、商品单位、商品产地等信息，实用与超市、商品系统。 之前找的150万的太坑了，最后优化成104万，去掉重复编码、空格、乱码、空白编码等等，放心直接使用