LTE-1.14_TM38切换算法和参数优化_1106.pdf

人工智人-家居

MySQL服务器参数优化指南0.5

基于人工鱼群算法的PID参数优化设计 新资料，

CentOS系统参数优化

硕士研究生组会的相关汇报，基于参数优化深度信念网络的齿轮故障程度检测-基于SSA算法

Linux操作系统参数优化手册

2048 四联骨牌 滑行 更多详情、使用方法，请下载后阅读README.md文件

glcm matlab代码论文名称为“多点地统计的两种参数优化方法” 本文介绍了两种MPS参数优化方法的程序代码。 基于GLCM的方法的源代码是用MATLAB编写的，而深度学习程序代码是用c＃.Net编写的。 1.基于GLCM的方法主程序是“ GLCM_Method.m”，它取决于“ GrayCoMatrix.m”和“ HsimSimilarity.m”。 基于GLCM的方法中使用的第三方代码包含“ sort_nat.m”，“ rotateticklabel.m”。 2.基于深度学习的方法主程序是基于ML.Net的“ Program.cs”。该程序包含代码文件，例如“ Preprocessing_ImageFolder”，“ ImageNetData.cs”，“ MyDataTable.cs”等。 。 在使用这些程序之前，请解压缩两个压缩文件“ demo data.rar”和“ ML_Assets.rar”。 文件“ demo data.rar”包含了本文使用的数据，包括训练图像通道的实现以及基于Snesim和simpat获得的分类。

代码中的参数不是固定的，对于不同的情况，可能需要不同的参数，参数优化配置非常重要，同一种算法，不同的参数可能造成结果迥异。 对于LJPSO算法，既可以以一个粒子的速度为单位，也可以以某一维度为单位，本代码是以一个粒子为单位衡量速度的。 至于CPSO算法，选择最差的多少个粒子也决定于具体问题。 而MPSO则是非常的灵活，本代码只展示了一种搭配方式。