BP神经网络可以解决地表沉陷等非线性关系问题，为了更精确地进行地表沉陷变形预测，引入Adaboost算法对BP神经网络进行改进，并运用Matlab R2014a建立基于Adaboost的BP神经网络地表沉陷预测模型。首先通过BP神经网络进行训练、测试，经过多次迭代，将每个BP神经网络作为一个弱预测器加权组合，形成强预测器，并首次对青岛地铁3号线保河区间隧道进行地表下沉值预测。预测结果表明：Adaboost的BP神经网络预测下沉值的平均绝对误差为0.585 3 mm，平均相对误差为5.82%，与BP神经网络预测相比，绝对误差降低了2.594 7 mm，相对误差降低了27.46%，由此表明Adaboost的BP神经网络适用于地表沉陷预测，且预测精度更高。

为了恢复图像中划痕、文字等小目标去除后丢失的相关信息,对全变分(TV)模型及其自适应算法进行了分析和改进。在Chan提出的图像修复原则的基础上给出了两个阈值参数,对原有算法中的权值系数进行了改进。仿真实验结果表明,本文算法在保证原有算法修复效果的同时能够有效地提高运算速度,取得了较好的实际效果。

基于改进贪心算法的大学生个性化宿舍分配方法的matlab仿真

改进蚁群算法在移动机器人避障中的应用

提出了一种改进的基于小波分解、互信息测度以及混合优化的图像配准方法.在最低分辨率下采用一种带极值扰动的简化粒子群优化算法进行全局优化,在高分辨率下采用鲍威尔算法进行优化.结果表明:该方法用于医学图像及普通灰度图像配准,都具有良好的全局优化性能和时间性能.

【黏菌优化算法】精英反向与二次插值改进的黏菌算法(ISMA)求解单目标优化问题含Matlab源码

针对蚁群算法存在的搜索时间长、易限于局部最优解等缺陷，提出了一种改进的蚁群算法。通过在初始化信息素矩阵中采用候选城市列表减少劣质解，在局部搜索中采用聚类进行二次搜索，缩小了算法的搜索范围、改善了解空间的质量，提高了搜索速度。仿真结果表明，改进后的蚁群算法在TSP的求解中，收敛速度和全局寻优能力均得到较大的提高。

改进两种经验模态分解去噪，基于EMD去噪算法和基于LMD去噪算法。

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仿真代码介绍

电力市场需求侧管理论文