奇异谱分析的matlab程序（包括部分实验结果） my_ssa_pure.m 奇异谱分析滤波 ssa_period.m 奇异谱分析周期提取 ssa_trends.m 奇异谱分析趋势判定 ssa_interpolation3.m 奇异谱分析迭代插值 奇异谱分析的matlab程序（包括部分实验结果） my_ssa_pure.m 奇异谱分析滤波 ssa_period.m 奇异谱分析周期提取 ssa_trends.m 奇异谱分析趋势判定 ssa_interpolation3.m 奇异谱分析迭代插值 奇异谱分析的matlab程序（包括部分实验结果） my_ssa_pure.m 奇异谱分析滤波 ssa_period.m 奇异谱分析周期提取 ssa_trends.m 奇异谱分析趋势判定 ssa_interpolation3.m 奇异谱分析迭代插值 奇异谱分析的matlab程序（包括部分实验结果） my_ssa_pure.m 奇异谱分析滤波 ssa_period.m 奇异谱分析周期提取 ssa_trends.m 奇异谱分析趋势判定 ssa_interpolation3.m 奇异谱分析迭代插值

自述文件 该存储库包含该论文的数据，代码，预训练的模型和实验结果： [SEntiMoji：由Emoji推动的用于软件工程中情感分析的学习方法] 。 森蒂莫吉 这项研究提出了SEntiMoji，它利用来自Github和Twitter的包含表情符号的文本来改善软件工程（SE）领域中的情感分析和情感检测任务。 事实证明，SEntiMoji能够在代表性的基准数据集上显着胜过现有的SE自定义情感分析和情感检测方法。 总览 data/包含本研究中使用的数据。 它包含两个子文件夹： GitHub_data/包含用于训练SEntiMoji的已处理表情文字。 benchmark_dataset/包含用于评估

SAS聚类分析

NSGA-Ⅱ算法大量测试函数实验结果展示

基于python实现的BP神经网络手写数字识别模型实验源码+详细注释+数据集+项目说明+实验结果及总结.7z 人工智能 课程作业 手写数字数据集 BP网络模型识别手写数字 反向传播（英语：Backpropagation，缩写为BP）是“误差反向传播”的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度。这个梯度会反馈给最优化方法，用来更新权值以最小化损失函数。反向传播要求有对每个输入值想得到的已知输出，来计算损失函数梯度。因此，它通常被认为是一种监督式学习方法。反向传播要求人工神经元（或“节点”）的激励函数可微。

基于python实现的CNN卷积神经网络手写数字识别实验源码+详细注释+数据集+项目说明+实验结果及总结.7z 人工智能课程作业 手写数字识别 数据集 详细注释 好理解 实验结果及总结 基于python实现的CNN卷积神经网络手写数字识别实验源码+详细注释+数据集+项目说明+实验结果及总结.7z

基于python实现的广度优先遍历搜索(BFS)实验源码+代码详细注释+项目说明+实验结果及总结.7z 广度优先搜索算法（英语：Breadth-First-Search，缩写为BFS），是一种图形搜索算法。简单的说，BFS是从根节点开始，沿着树的宽度遍历树的节点。如果所有节点均被访问，则算法中止。BFS是一种盲目搜索法，目的是系统地展开并检查图中的所有节点，以找寻结果。 BFS会先访问根节点的所有邻居节点，然后再依次访问邻居节点的邻居节点，直到所有节点都访问完毕。在具体的实现中，使用open和closed两个表，open是一个队列，每次对open进行一次出队操作（并放入closed中），并将其邻居节点进行入队操作。直到队列为空时即完成了所有节点的遍历。closed表在遍历树时其实没有用，因为子节点只能从父节点到达。但在进行图的遍历时，一个节点可能会由多个节点到达，所以此时为了防止重复遍历应该每次都检查下一个节点是否已经在closed中了。

基于python实现的遗传算法实验源码+详细注释+项目说明+实验结果及总结.7z 人工智能课程作业 遗传算法具体步骤： （1）初始化：设置进化代数计数器t=0、设置最大进化代数T、交叉概率、变异概率、随机生成M个个体作为初始种群P （2）个体评价：计算种群P中各个个体的适应度 （3）选择运算：将选择算子作用于群体。以个体适应度为基础，选择最优个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代 （4）交叉运算：在交叉概率的控制下，对群体中的个体两两进行交叉 （5）变异运算：在变异概率的控制下，对群体中的个体进行变异，即对某一个体的基因进行随机调整 （6） 经过选择、交叉、变异运算之后得到下一代群体P1。

文字分类系统 系统的介绍如何构建一个完整的文本分类系统，包括数据预处理，主要方法的原理介绍和实现细节，实验结果与分析，网页演示的构建以及项目文件的组织方式。项目的原理和处理细节可以查看我的博客专栏： :

[AN-1067]相位噪声和抖动的功率谱密度：理论、数据分析和实验结果 模数和数模转换器采样时钟内的抖动会对可实现的最大信噪比造成限制（参见参考文献部分van de Plassche著《集成模数和数模转换器》）。本应用笔记阐述了相位噪声和抖动的定义，绘制了其功率谱密度，介绍了时域和频域测量技术，解释了实验室设备的不利因素并提供这些技术的校正要素。所提出的理论有实验结果支持，可用于解决实际问题。 电子设备有多种技术可以生成时钟。电路包括R-C反馈电路、定时器、振荡器和晶体及晶体振荡器。根据具体电路要求，人们可能接受高相位噪声（抖动）的廉价时钟源。但是，最近的新器件要求更出色的时钟性能，也就是更昂贵的时钟源。人们对转换器采样信号的频谱纯度也提出同样的要求，尤其是在当前高性能转换器测试过程中使用频率合成器作为时钟源时。下面章节介绍了相位噪声和抖动的定义。然后结合相位噪声和抖动，通过数学推导形成其频率表示形式。频域表示法或功率谱密度用来直接衡量相位噪声/抖动。所建立的理论和模数和数模转换器相关。各种信号采用频谱分析仪和示波器来测量。最后，结合实验结果，在AD9235模数转换器（ADC）上应用理论。