随机森林RF程序(MATLAB)，解决分类或回归问题。 有例子，易上手，只要换数据就行，保证正常运行。 教给怎样换数据。 可代做遗传算法、粒子群算法、灰狼算法、鲸鱼算法优化支持向量机回归和分类预测算法。

针对准则值和状态概率均为区间灰数的灰色随机多准则决策问题,在考虑决策者的风险态度及心理行为的情境下,给出一种基于后悔理论的决策方法.首先将原始准则值转化为标准灰数, 同时进行规范化处理, 得到各状态下的标准灰色风险决策矩阵;然后依据后悔理论,定义灰色感知效用函数,构造决策者对方案集的灰色综合感知效用最大化的多目标优化模型,并解出最优权重向量,得到各方案的最优灰色感知效用值且排序;最后,通过实例验证所提出方法的可行性和有效性.

笔记本扫描自己留档用，内容是期末复习时候自己写的，仅供参考

利用蒙特卡罗方法模拟了多层离散随机介质对激光的偏振多次散射，结合激光雷达的特点，给出了半解析蒙特卡罗模拟方法的具体模拟步骤，考虑了光子在随机游走时，跨越分界层时引起的自由程调整，根据Mie 散射相函数对不同介质层进行了散射方向抽样，利用该方法计算了双层和三层水云的雷达多次散射去极化率随穿透深度的变化。从计算结果可以看出，随着穿透深度的增加，雷达去极化率增强，激光在从一种介质入射到另一种介质时，其去极化率增加的速度不同，分析了粒子有效半径、单次散射相函数以及消光系数对雷达去极化率的影响。该方法可以应用于偏振激光雷达对非各向同性云层或气溶胶微物理和光学特性的遥感反演。

针对NoC任务映射问题中时延难以预测和启发式算法效率低的问题, 提出一个时延改进模型和近邻随机遗传算法。该模型从宏观的链路负载分布和单个节点的排队时延两方面来构建NoC映射的时延模型, 通过引入时延因子、权重系数来刻画不同映射方案对时延性能的影响, 避免了NoC通信时延精确建模的难题。提出近邻随机思想来构建遗传算法的初始种群, 并且运用该算法实现了面向时延的NoC映射, 在达到全局最优的情况下, 比经典遗传算法效率提升将近20%。实验结果表明, 该算法优于现有的经典遗传算法和随机映射方案。

twitter_sentiment_bert_scikit Twitter美国航空数据集情感分析（情感分析），使用Bert句子编码作为特征，实现了SVM，XGBoost，RandomForest（随机森林）等多个分类算法，从而进行了交叉验证。 数据来自 预安装 我们在Python 3环境中运行该项目，建议您使用Anaconda 3通过以下脚本安装所需的软件包。 当然，您可以使用pip进行安装。 conda create -n tweet_sentiment -c anaconda python=3.7 numpy scikit-learn xgboost pandas tensorflo

随机过程部分作业参考答案。UESTC随机过程部分作用答案（标准答案），UESTC随机过程部分作用答案（标准答案），UESTC随机过程部分作用答案（标准答案）

ASP源码—ISchool随机抽题ASP考试系统 v3.7.1.zip

自己做的一个小程序，很实用。有数据的增删改查，上传照片，最关键的是有概率的算法，概率可以根据答题的对错来加减。

为了准确分析混沌伪随机序列的结构复杂性，采用谱熵算法对Logistic映射、Gaussian映射和TD-ERCS系统产生的混沌伪随机序列复杂度进行了分析。谱熵算法具有参数少，对序列长度N(唯一参数)和伪随机进制数K鲁棒性好的特点。采用窗口滑动法分析了混沌伪随机序列的复杂度演变特性，计算了离散混沌系统不同初值和不同系统参数条件下的复杂度。研究表明，谱熵算法能有效地分析混沌伪随机序列的结构复杂度；在这三个混沌系统中，TD-ERCS系统为广域高复杂度混沌系统，复杂度性能最好；不同窗口和不同初值条件下的混沌系统复杂度在较小范围内波动。为混沌序列在信息安全中的应用提供了理论和实验依据。