将非局部均值算法用于SAR图像去斑，而且该方法中应用到了主邻域字典来提高去斑效果。

基于邻域粗糙集约减的谱聚类算法.pdf

行业分类-嵌入式设备-一种利用鉴别随机邻域嵌入分析的数据降维方法.zip

行业分类-嵌入式设备-一种邻域保持判别嵌入人脸识别方法及系统.zip

基于的描述，此程序包提供了自适应大邻域搜索（ALNS）元启发式方法的一般，经过充分记录和测试的实现。 它可以按以下常规方式安装： pip install alns 如何使用 alns包提供了两个类，即ALNS和State 。 第一个可以用来运行ALNS算法，第二个可以被子类化以存储解决方案状态-它所需要的只是定义一个objective成员函数，并返回一个目标值。 必须为ALNS算法提供接受标准，以便在每次迭代时确定是否接受新的解决方案状态。 给出了通用验收标准的概述 。 在alns.criteria ，已经为您实现了几个 HillClimbing 。 最简单的接受标准是爬山，仅接受提高目标值的解决方案。 RecordToRecordTravel 。 仅当改进满足某些更新阈值时，此准则才接受解决方案。 SimulatedAnnealing 。 当标度概率大于某个随机数时，使用更新温

当前对于广义旅行商问题的求解最有效的一个算法是GLNS，其核心是基于自适应大邻域搜索的求解算法，作者的源码是使用Julia完成的。本人在之前的一个研究课题中，研究了相关问题，故使用MATLAB复现了该算法。自此，我将其分享给各位，希望能给大家的研究或工作带来方便。（资源中包含：GLNS在MATLAB上的复现代码；GLNS原文；GLNS作者的源代码（Julia））。

matlab终止以下代码GLNS GLNS是在Julia（）中实现的广义旅行商问题（GTSP）的求解器。 有关求解器的更多信息，请参见 引用这项工作 GLNS求解器及其设置在以下论文中进行了描述： @Article{Smith2017GLNS, author = {S. L. Smith and F. Imeson}, title = {{GLNS}: An Effective Large Neighborhood Search Heuristic for the Generalized Traveling Salesman Problem}, journal = {Computers \& Operations Research}, volume = 87, pages = {1-19}, year = 2017, } 使用GLNS时，请引用本文。 使用求解器 可以从命令行或从Julia REPL运行求解器。 安装 首先从安装Juliav1.0或更高版本。 然后可以通过Julia软件包管理器安装GLNS： julia > using Pkg julia > Pkg .

高光谱分类knn matlab代码FNGBS 这是用于高光谱波段选择的快速邻域分组方法的实现。 数据集 四个公共数据集，即 、 、 、 和 ，被用来验证所提出的 FNGBS 的有效性。 要求 MATLAB、libsvm、cruve拟合工具 执行 关于 FNGBS 算法，要运行代码，请执行 'main.m'。 对于获得的推荐频段，我们需要进行'main_recomBand.m'。 结果 为了定性地测量所提出的 FNGBS，KNN 和 SVM 分类器被用来验证算法的有效性。 推荐频段比较： 分类性能比较： 计算时间比较 数据集 E-FDPC 瓦卢迪 SNNC 到F FNGBS (1%) FNGBS (100%) 印度松树（6 段） 0.121 7.430 0.4411 0.4165 0.2542 0.2995 博茨瓦纳 (8 乐队) 0.661 99.281 3.738 1.843 0.892 3.442 帕维亚大学（13个乐队） 0.282 27.930 1.201 0.925 0.336 1.421 萨利纳斯 (6 乐队) 0.381 40.382 1.61 1.276 0.465 1

基于标号回传的8邻域连通域标记算法，纯C语言编写，连通域标记定位，效果很好。

介绍了几种智能优化算法，包括模拟退火 遗传算法 禁忌搜索 神经网络 邻域搜索等，以及他们之间的混合算法等。