检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
第一个图：横坐标是归一化后的密度，纵坐标是车流量。第二个图：理论值与CA的结果 结果分析: 时空轨迹 中间的深色区域是交通堵塞的区域。 三、部分源代码 clear;close all I=imread('city.png'); level=graythresh(I); % 图像灰度处理
有这几个点共同确定了超平面的位置，因此被称作 “支持向量（support vectors）”，“支持向量机” 也是由此来的。 二、部分源代码 clc; clear C = 30; theta = 2;%C为最小二乘支持向量机的正则化参数，theta为高斯径向基的核函数参数，两个需要进行优化选择调试
第一个图：横坐标是归一化后的密度，纵坐标是车流量。第二个图：理论值与CA的结果 结果分析: 时空轨迹 中间的深色区域是交通堵塞的区域。 二、部分源代码 %% NOTE % Total runtime for this code was about 1-3 minutes on
TAE值来评价该参数的质量，根据GWO的优化规则，通过连续迭代求出ITAE的最小值，从而得到一组分数阶模糊控制器的控制参数。 二、部分源代码 clear all clc close all tic %%Initilization x0=[-pi pi 0 0 0 0]; Ts=[0
算法对BPNN的参数进行优化，该算法收敛速度快且易实现，能够弥补采用神经网络模型预测短时交通流的不足，提高交通流预测的精度。 二、部分源代码 clc;close all;clear %% bp=load('bp.mat'); disp('BP的结果分析') rmse=sqrt(mean((bp
前言 要想了解如何增强机器学习模型性能，我们需要知道如何降低模型的误差。所以首先我们必须明白模型误差是由偏差（Bias）和方差（Variance）组成的。偏差是指样本预测值的平均值与样本真实值的差，而方差是指样本预测值偏离样本预测值平均值的程度。
2, …k。 e) 对所有的j=1, 2, …k 如果 Zj (k+1) =Zj (k) , 则终止, 否则转到c) 。 二、部分源代码 function varargout = kmeans4gui(varargin) % KMEANS4GUI M-file for kmeans4gui
est与相关位数。 步骤6 循环结束。当迭代次数大于500,则寻优过程结束。 步骤7 得到KELM的最佳训练参数，模型建立。 二、部分源代码 %% 初始化 clear close all clc 12345 三、运行结果 四、matlab版本及参考文献 1
表示蚁群算法运行到指定的进化代数之后就停止运行，并将当前群体中的最佳个体作为所求问题的最优解输出。一般6取100~500。 二、部分源代码 %% 清空环境 clc;clear %% 障碍物数据 position = load('barrier.txt'); plot([0
析包括语音信号的频谱、功率谱、倒频谱、频谱包络分析等，而常用的频域分析方法有带通滤波器组法、傅里叶变换法、线件预测法等几种。 二、部分源代码 function varargout = MainSigany(varargin) % MAINSIGANY M-file for MainSigany
面,适应度极限设为0 且一旦染色体符合适应度函数,并生成一个为0或更小的适应度值,那么遗传算法将视该染色体为最合适的优化解。 二、部分源代码 clear all; close all; clc; %%问题表述 FitnessFunction=@(C,g,x,c) TDi(C
总工作时间最少、路径最短等。 可以看出TSP问题是VRP问题的一种简单特殊形式。因此，VRP也是一种NP hard 问题。 三、部分源代码 tic clear clc %% 用importdata这个函数来读取文件 c101=importdata('c101.txt'); cap=200;
以更直观、更方便地分析和处理语音信号,得到用户需要的实验结果。 具体理论知识参考：基于MATLAB GUI的语音处理界面设计 二、部分源代码 function varargout = yonghujiemain(varargin) % YONGHUJIEMAIN M-file
9024%。这里选取第8个人的人脸图片作为示例，可以看到在最终的人脸识别阶段可以准确地进行人脸识别。 备注：简介部分仅作为理论参考，与本文程序和运行结果略有出入。 二、部分源代码 function varargout = test(varargin) gui_Singleton = 1; gui_State = struct('gui_Name'
求相似度的方法如下： 式中 S 定义为相似度，Ts(ab) 为待识别字符的特征属性，To(ab) 为模板的特征属性。 二、部分源代码 function varargout = homework2(varargin) % HOMEWORK2 M-file for homework2
（2）构造网络能量函数：使其最小值对应问题最佳解； （3）设计网络结构：由能量函数和网络稳定条件设计网络参数，得到动力学方程； （4）MATLAB软件模拟。 二、源代码 clear; CityNum=10; [dislist,Clist]=tsp(CityNum); A=500; B=500; C=200;
射率图层对比度的方法来改善云雾厚薄不均时基于暗通道先验得出的无雾图像质量。 图1 基于暗通道先验的图像去雾处理效果优化流程 二、部分源代码 function varargout = DIPGUI(varargin) % DIPGUI MATLAB code for DIPGUI
之后进行异化操作进而获取全局最优的个体,将此个体作为训练BP神经网络的初始权值和阈值,使得BP神经网络以更快的速率和精度获取预测值。 二、部分源代码 %% 清空环境变量 clear clc close all warning off %% 导入数据 load data data=[attributes’
一、区域分割图像融合简介 基于区域分割的红外和可见光图像融合方法 二、部分源代码 function popupmenu1_CreateFcn(hObject, eventdata, handles) % hObject
使用pso算法对ace的增益因子a进行寻优，并返回最优的增益因子； 将最优增益代入ace算法中，对图像进行增强； 采用引导滤波对增强后的图像进行降噪，提高可视化效果； 二、源代码 %% PSO_ACE % date: 2020_08 % Author: X % function: 图像增强，(1) PSO优化ACE增益因子
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
