一种协方差矩阵自适应优化算法的说明文档和MATLAB实现。测试函数经测试可以运行。

为了更为有效地识别语音信号中的情感类型，提出一种改进遗传算法优化 BP 神经网络的识别算法 ( IAGA-BP) 。该算法一方面改进了自适应遗传算法中的选择算子，另一方面更改了自适应遗传算法中的交叉和 变异概率公式。通过对自适应遗传算法的改进，提升了遗传算法的寻优性能，并以此对 BP 神经网络初始的权阈 值进行优化。实验结果表明，在与 BP、 GA-BP 和 AGA-BP 网络的比较中， IAGA-BP 网络能够有效提高语音情感 识别率，并加快了网路收敛速度

基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别

行业分类-电信-基于信号机的自适应优化控制系统.rar

行业分类-作业装置-一种全局自适应优化参数的瞳孔定位方法.zip

行业分类-物理装置-一种OTH雷达图像粗糙度的干扰抑制自适应优化方法.zip

随机并行梯度下降（SPGD）算法已被证明是一种较为有效的像清晰化系统控制算法，具有不依赖波前传感器直接对系统性能指标进行优化的特点。其控制参数增益系数和扰动幅度决定了算法的收敛速度以及收敛稳定性。参数取值范围较窄，超出范围将导致收敛后期的震荡，或者较慢的算法收敛速度。研究了算法增益系数和扰动幅度对校正效果和收敛速度的影响，提出了一种参数自适应优化的方法。基于52单元变形镜、位置敏感传感器等器件建立了SPGD控制算法的像清晰化实验平台，验证该方法的有效性。实验结果表明，该方法扩展了参数取值范围，提高算法收敛速度的同时具有较好的收敛稳定性。