-
ssim的MATLAB算法程序
2010-01-30 20:49:41ssim 图像质量评价 图像处理 ssim的MATLAB算法程序 ssim的MATLAB算法程序 -
LQR轨迹跟踪算法Python/Matlab算法实现_LQRmatrix推导
2019-12-09 15:15:31对于文章 LQR轨迹跟踪算法Python/Matlab算法实现中的LQR推导的问题,我简单写了一下手稿,不高兴做成公式了:对于文章 LQR轨迹跟踪算法Python/Matlab算法实现中的LQR推导的问题,我简单写了一下手稿,不高兴做成公式了:
-
模拟退火算法实例分析--Matlab算法
2017-05-15 19:33:35模拟退火算法(实例分析)–Matlab算法 此篇文章为我一学长(Hong Yilin)所作,我又进行了一些加工,在此只为学习使用。此篇为模拟退火算法的实例分析,模拟退火算法的理论讲解见上一篇。题目:我方有一个基地,经度和...模拟退火算法(实例分析)–Matlab算法
此篇文章为我一学长(Hong Yilin)所作,我又进行了一些加工,在此只为学习使用。
此篇为模拟退火算法的实例分析,模拟退火算法的理论讲解见上一篇。
题目:我方有一个基地,经度和纬度为(70,40)。假设我方飞机的速度为 1000 公里/小时。
我方派一架飞机从基地出发,侦察完敌方所有目标,再返回原来的基地。在敌方每一目标点的侦察时间不计,
求该架飞机所花费的时间(假设我方飞机巡航时间可以充分长)。
敌方经度纬度如下:
- 表1 敌方100城市经纬度
- 经度 纬度 经度 纬度 经度 纬度 经度 纬度
- 53.7121 15.3046 51.1758 0.0322 46.3253 28.2753 30.3313 6.9348
- 56.5432 21.4188 10.8198 16.2529 22.7891 23.1045 10.1584 12.4819
- 20.1050 15.4562 1.9451 0.2057 26.4951 22.1221 31.4847 8.9640
- 26.2418 18.1760 44.0356 13.5401 28.9836 25.9879 38.4722 20.1731
- 28.2694 29.0011 32.1910 5.8699 36.4863 29.7284 0.9718 28.1477
- 8.9586 24.6635 16.5618 23.6143 10.5597 15.1178 50.2111 10.2944
- 8.1519 9.5325 22.1075 18.5569 0.1215 18.8726 48.2077 16.8889
- 31.9499 17.6309 0.7732 0.4656 47.4134 23.7783 41.8671 3.5667
- 43.5474 3.9061 53.3524 26.7256 30.8165 13.4595 27.7133 5.0706
- 23.9222 7.6306 51.9612 22.8511 12.7938 15.7307 4.9568 8.3669
- 21.5051 24.0909 15.2548 27.2111 6.2070 5.1442 49.2430 16.7044
- 17.1168 20.0354 34.1688 22.7571 9.4402 3.9200 11.5812 14.5677
- 52.1181 0.4088 9.5559 11.4219 24.4509 6.5634 26.7213 28.5667
- 37.5848 16.8474 35.6619 9.9333 24.4654 3.1644 0.7775 6.9576
- 14.4703 13.6368 19.8660 15.1224 3.1616 4.2428 18.5245 14.3598
- 58.6849 27.1485 39.5168 16.9371 56.5089 13.7090 52.5211 15.7957
- 38.4300 8.4648 51.8181 23.0159 8.9983 23.6440 50.1156 23.7816
- 13.7909 1.9510 34.0574 23.3960 23.0624 8.4319 19.9857 5.7902
- 40.8801 14.2978 58.8289 14.5229 18.6635 6.7436 52.8423 27.2880
- 39.9494 29.5114 47.5099 24.0664 10.1121 27.2662 28.7812 27.6659
- 8.0831 27.6705 9.1556 14.1304 53.7989 0.2199 33.6490 0.3980
- 1.3496 16.8359 49.9816 6.0828 19.3635 17.6622 36.9545 23.0265
- 15.7320 19.5697 11.5118 17.3884 44.0398 16.2635 39.7139 28.4203
- 6.9909 23.1804 38.3392 19.9950 24.6543 19.6057 36.9980 24.3992
- 4.1591 3.1853 40.1400 20.3030 23.9876 9.4030 41.1084 27.7149
表1 敌方100城市经纬度 经度 纬度 经度 纬度 经度 纬度 经度 纬度 53.7121 15.3046 51.1758 0.0322 46.3253 28.2753 30.3313 6.9348 56.5432 21.4188 10.8198 16.2529 22.7891 23.1045 10.1584 12.4819 20.1050 15.4562 1.9451 0.2057 26.4951 22.1221 31.4847 8.9640 26.2418 18.1760 44.0356 13.5401 28.9836 25.9879 38.4722 20.1731 28.2694 29.0011 32.1910 5.8699 36.4863 29.7284 0.9718 28.1477 8.9586 24.6635 16.5618 23.6143 10.5597 15.1178 50.2111 10.2944 8.1519 9.5325 22.1075 18.5569 0.1215 18.8726 48.2077 16.8889 31.9499 17.6309 0.7732 0.4656 47.4134 23.7783 41.8671 3.5667 43.5474 3.9061 53.3524 26.7256 30.8165 13.4595 27.7133 5.0706 23.9222 7.6306 51.9612 22.8511 12.7938 15.7307 4.9568 8.3669 21.5051 24.0909 15.2548 27.2111 6.2070 5.1442 49.2430 16.7044 17.1168 20.0354 34.1688 22.7571 9.4402 3.9200 11.5812 14.5677 52.1181 0.4088 9.5559 11.4219 24.4509 6.5634 26.7213 28.5667 37.5848 16.8474 35.6619 9.9333 24.4654 3.1644 0.7775 6.9576 14.4703 13.6368 19.8660 15.1224 3.1616 4.2428 18.5245 14.3598 58.6849 27.1485 39.5168 16.9371 56.5089 13.7090 52.5211 15.7957 38.4300 8.4648 51.8181 23.0159 8.9983 23.6440 50.1156 23.7816 13.7909 1.9510 34.0574 23.3960 23.0624 8.4319 19.9857 5.7902 40.8801 14.2978 58.8289 14.5229 18.6635 6.7436 52.8423 27.2880 39.9494 29.5114 47.5099 24.0664 10.1121 27.2662 28.7812 27.6659 8.0831 27.6705 9.1556 14.1304 53.7989 0.2199 33.6490 0.3980 1.3496 16.8359 49.9816 6.0828 19.3635 17.6622 36.9545 23.0265 15.7320 19.5697 11.5118 17.3884 44.0398 16.2635 39.7139 28.4203 6.9909 23.1804 38.3392 19.9950 24.6543 19.6057 36.9980 24.3992 4.1591 3.1853 40.1400 20.3030 23.9876 9.4030 41.1084 27.7149
分析:
1.实际距离的求解:
设A, B两点的地理坐标分别为(x1,y1), (x2,y2),过 A, B两点的大圆的劣弧长即为两点的实际距离。以地心为坐标原点o,以赤道平面为XOY平面,以0度经线圈所在的平面为XOZ平面建立三维直角坐标系。
地球半径为R=6370km。则 A, B两点的直角坐标分别为:
A( R*cos(x1)*cos(y1), R*sin(x1)*cos(y1), R*sin(y1) ) B( R*cos(x2)*cos(y2), R*sin(x2)*cos(y2), R*sin(y2) )
A、B两点实际距离:
d=Rarccos[ cos(x1-x2)*cos(y1)*cos(y2) + sin(y1)*sin(y2) ]。
建立矩阵D,将所有点之间的距离存放进去。问题转化为从(70,40)出发,走遍所有点,并返回出发点。
2.关于Monte Carlo方法
本文中使用Monte Carlo方法先得到一个较小的sum,和一组S0。
3.算法原理:
设S={s1,s2,…,sn}为所有可能的状态所构成的集合, f:S—R为非负代价函数,
即优化问题抽象如下:寻找s*∈S,使得f(s*)=min f(si) 任意si∈S
具体步骤:
(1)给定一较高初始温度T,随机产生初始状态S
(2)按一定方式,对当前状态作随机扰动,产生一个新的状态S’
S’=S+sign(η).δ (其中δ为给定的步长, η为[-1,1]的随机数 )
计算Δ=f(S’)-f(S)
(3)若Δ<0,则令S=S’,转第(5)步
(4)若Δ≤0,则以概率exp(-Δ/T)接受S’,即S=S’
具体操作:产生一个在[0,1]上服从均匀分布的随机数x,若x<exp(-Δ/T),则S=S;否则S保持不变
(5)按一定方式降温,使T≤Ti, 如: =αTi,习惯上取α∈(0.8,0.9999)
(6)检查退火是否结束
是——转向第(7)步
否——转向第(2)步
(7)以当前Si作为最优解输出
注:1、结束标志:温度是否小于某一阀值(循环次数)f的值变化是否明显
2、初始温度的高低:下降是否充分慢对结果有影响4.算法详述:
首先给定一个初始温度TO 和该优化问题的一个初始解 x(0),并由 x(0)生成下一个解 x’∈ N(x(0)),是否接受x’作为一个新解x(1)依赖于下面概率:
换句话说,如果生成的解 的函数值比前一个解的函数值更小,则接受x(1)=x ‘作为一个新解。否则以概率作为一个新解。
以此类推,在温度T_i下,经过很多次的转移之后,降低温度T_i,得到T(i+1)<T(i)。在T(i+1)下重复上述过程。因此整个优化过程就是不断寻找新解和缓慢降温的交替过程。最终的解是对该问题寻优的结果。
在得到初始解之后,可以用2变换法,即交换两个点之间的路线。设定T0为1,以0.001为降温幅度,选择终止温度为e=10-30。运行代码,得到可行解,时间为43小时左右
算法:
- function Simulated_AnneALIng()
- %算法:模拟退火算法(Simulated AnneALIng)
- %敌方经度纬度数据见 sj.txt
- %% 清空
- clc,clear;
- %% 坐标转换,计算距离
- load sj.txt %加载敌方100个目标的数据,数据按照表格中的位置保存在纯文本文件 sj.txt 中
- x=sj(:,1:2:8) ; x=x(:);%将4列变成1列
- y=sj(:,2:2:8) ; y=y(:);
- sj=[x y];
- d1=[70,40] ; sj=[d1;sj;d1] ;
- sj1=sj;
- sj=sj*pi/180;
- n=length(sj);
- d=zeros(n); %距离矩阵 d
- for i=1:n-1 %坐标转换为距离
- for j=i+1:n
- temp=cos(sj(i,1)-sj(j,1))*cos(sj(i,2))*cos(sj(j,2))+sin(sj(i,2))*sin(sj(j,2));
- d(i,j)=6370*acos(temp);
- end
- end
- d=d+d’ ; S0=[] ; Sum=inf;
- %% 设定初始解(MonteCarlo法)
- for j=1:1000
- S=[1,1+randperm(n-2),n]; temp=0; %用randperm函数随机打乱2到(n-2)之间的数
- for i=1:n-1
- temp=temp+d(S(i),S(i+1));
- end
- if temp<Sum
- S0=S; Sum=temp;
- end
- end
- e=0.1^30; L=20000; at=0.999; T=1;%参数设置
- %% 退火过程
- for k=1:L %产生新解
- %随机找两个点来交换路线
- c=2+floor((n-2)*rand(1,2)); c=sort(c);
- c1=c(1);c2=c(2);
- df=d(S0(c1-1),S0(c2))+d(S0(c1),S0(c2+1))-d(S0(c1-1),S0(c1))-d(S0(c2),S0(c2+1));%计算代价函数值
- %接受准则
- if df<0 %路径更短,接受新解
- S0=[S0(1:c1-1),S0(c2:-1:c1),S0(c2+1:n)];
- Sum=Sum+df ; T=T*at;%接受并降温
- elseif exp(-df/T)>rand(1) %路径没变短,以一定概率接受新解
- S0=[S0(1:c1-1),S0(c2:-1:c1),S0(c2+1:n)];
- Sum=Sum+df ; T=T*at;
- end
- if T<e
- break;
- end
- end
- disp([‘最短巡航路径长度:’,num2str(Sum),’km’]);
- disp([‘最短巡航路径时耗:’,num2str(Sum/1000),’h’]);
- %% 画图
- hold on
- plot(sj1(1:101,1), sj1(1:101,2), ‘ko’);
- for i=1:101
- temp=[‘ ’,int2str(i)];
- text(sj1(i,1), sj1(i,2),temp);
- end
- for i=1:101
- plot(sj1(S0(i:i+1),1)’, sj1(S0(i:i+1),2)’,’k-‘);
- end
- title([‘近似路径如下,巡航路径长度:’,num2str(Sum),’km,’,’时耗:’,num2str(Sum/1000),’h’]);
- hold off
function Simulated_AnneALIng() %算法:模拟退火算法(Simulated AnneALIng) %敌方经度纬度数据见 sj.txt %% 清空 clc,clear; %% 坐标转换,计算距离 load sj.txt %加载敌方100个目标的数据,数据按照表格中的位置保存在纯文本文件 sj.txt 中 x=sj(:,1:2:8) ; x=x(:);%将4列变成1列 y=sj(:,2:2:8) ; y=y(:); sj=[x y]; d1=[70,40] ; sj=[d1;sj;d1] ; sj1=sj; sj=sj*pi/180; n=length(sj); d=zeros(n); %距离矩阵 d for i=1:n-1 %坐标转换为距离 for j=i+1:n temp=cos(sj(i,1)-sj(j,1))*cos(sj(i,2))*cos(sj(j,2))+sin(sj(i,2))*sin(sj(j,2)); d(i,j)=6370*acos(temp); end end d=d+d' ; S0=[] ; Sum=inf; %% 设定初始解(MonteCarlo法) for j=1:1000 S=[1,1+randperm(n-2),n]; temp=0; %用randperm函数随机打乱2到(n-2)之间的数 for i=1:n-1 temp=temp+d(S(i),S(i+1)); end if temp<Sum S0=S; Sum=temp; end end e=0.1^30; L=20000; at=0.999; T=1;%参数设置 %% 退火过程 for k=1:L %产生新解 %随机找两个点来交换路线 c=2+floor((n-2)*rand(1,2)); c=sort(c); c1=c(1);c2=c(2); df=d(S0(c1-1),S0(c2))+d(S0(c1),S0(c2+1))-d(S0(c1-1),S0(c1))-d(S0(c2),S0(c2+1));%计算代价函数值 %接受准则 if df<0 %路径更短,接受新解 S0=[S0(1:c1-1),S0(c2:-1:c1),S0(c2+1:n)]; Sum=Sum+df ; T=T*at;%接受并降温 elseif exp(-df/T)>rand(1) %路径没变短,以一定概率接受新解 S0=[S0(1:c1-1),S0(c2:-1:c1),S0(c2+1:n)]; Sum=Sum+df ; T=T*at; end if T<e break; end end disp(['最短巡航路径长度:',num2str(Sum),'km']); disp(['最短巡航路径时耗:',num2str(Sum/1000),'h']); %% 画图 hold on plot(sj1(1:101,1), sj1(1:101,2), 'ko'); for i=1:101 temp=[' ',int2str(i)]; text(sj1(i,1), sj1(i,2),temp); end for i=1:101 plot(sj1(S0(i:i+1),1)', sj1(S0(i:i+1),2)','k-'); end title(['近似路径如下,巡航路径长度:',num2str(Sum),'km,','时耗:',num2str(Sum/1000),'h']); hold off
-
MATLAB算法技巧和实现斐波那契数列
2018-05-10 20:46:24MATLAB算法技巧和实现斐波那契数列 这篇博客主要说一下自己在算法设计课上用matlab做的两道算法题,题目解起来都比较简单,但是需要些技巧。 公倍数的应用 斐波那契数列的应用 题目要求 题目一:公倍数的应用 ...MATLAB算法技巧和实现斐波那契数列
这篇博客主要说一下自己在算法设计课上用matlab做的两道算法题,题目解起来都比较简单,但是需要些技巧。
- 公倍数的应用
- 斐波那契数列的应用
题目要求
题目一:公倍数的应用
心里想好一个1~100之间的整数x,将它分别除以3,5,7并得到3个余数。把这三个余数输入计算机,计算机能马上猜出这个数
题目二:斐波那契数列的应用
斐波那契数列有如下特点:a1,a2已知 a(n)=a(n-1)+a(n-2) n>=3
例题:楼梯上有n阶台阶,上楼时可以一步上1阶,也可以一步上2阶,编写算法计算共有多少种不同的上楼梯方法解题思路
问题一,问题一可以将该数转换为d=70*a+21*b+15*c的乘积,主要是利用了他们的公倍数性质。
详细数学模型解释:
1)不难理解当s=u+3*v+3*w时,s除以3的余数与u除以3的余数是一样的。
2)对s=cu+3*v+3*w,当c除以3余数为1的数时, s除以3的余数与u除以3的余数也是一样的。证明如下:c 除以 3余数为1,记c=3*k+1,则s=u+3*k*u+3*v+3*w,由1)的结论,上述结论正确。记a,b,c分别为所猜数据d除以3,5,7后的余数,则d=70*a+21*b+15*c。为问题的数学模型,其中70称作a的系数,21称作b的系数,15称作c的系数。问题二,就单纯是递归问题,编者对于递归也不太熟悉,正在逐步探索中。
数学模型:
此问题如果按照习惯,从前向后思考,也就是从第一阶开始,考虑怎么样走到第二阶、第三阶、第四阶……,则很难找出问题的规律;而反过来先思考“到第n阶有哪几种情况?”,答案就简单了,只有两种情况:
1) 从第n-1阶到第n阶;
2) 从第n-2阶到第n阶。
记n阶台阶的走法数为f(n),则
f(n)= 1 n=1
f(n)=2 n=2
f(n-1)+f(n-2) n>2代码实现
主文件:main.m
%made by Canlong %% %编写算法完成下面给余猜谜的游戏 %心里想好一个1~100之间的整数x,将它分别除以3,5,7并得到3个余数。把这三个余数输入计算机,计算机能马上猜出这个数。 %方法一:穷举法 disp('方法一:穷举法') num1 = input('请输入第一个数:'); num2 = input('请输入第二个数:'); num3 = input('请输入第三个数:'); for i=1:100 if rem(i,3)==num1 && rem(i,5)==num2 && rem(i,7)==num3 fprintf('该数为:%d \n',i); end end %% %方法二,建模. disp('方法二,建模.'); num1 = input('请输入第一个数:'); num2 = input('请输入第二个数:'); num3 = input('请输入第三个数:'); d=70*num1+21*num2+15*num3; while d>105 d = d-105 ; end fprintf('该数为:%d \n',d); %% %斐波那契数列的应用 %斐波那契数列有如下特点:a1,a2已知 a(n)=a(n-1)+a(n-2) n>=3 %例题:楼梯上有n阶台阶,上楼时可以一步上1阶,也可以一步上2阶,编写算法计算共有多少种不同的上楼梯方法 %楼梯阶数 n=10; disp('如果楼梯阶数为10,上楼梯的方法数,解得:'); fprintf('f(%d)为:%d \n',n,f(n));
函数文件:f.m
%输入n为阶梯数,a为返回的阶梯数 %made by Canlong function a=f(n) if n==1 a=1; return; end if n==2 a=2; return else a=f(n-1)+f(n-2); return end end
运行结果
在MATLAB R2015b软件下运行得到:
总结
太久没用matlab写代码了,对于matlab很多语法很多都不熟悉了,写到函数那里还以为return 数值会直接返回数值,原来matlab的函数,是通过某个变量来返回值的,不能直接return 数值,如function a=f(n)中的a就是用来接受返回数值的,要返回数值的函数一定要对a进行赋值。这一点上与java等语言不太类似。
- 公倍数的应用
-
标准遗传算法的多自变量实现和理解-数学建模matlab算法(十五)
2019-11-12 16:25:56遗传算法的进一步探究—多目标优化_数学建模matlab算法(七) 以及 遗传算法的进一步探究—多目标优化_数学建模matlab算法(七) 中,我们举例的问题,就是多自变量的,这里,我们再次,探究一下。 假设我们要求解一个...求解很多多自变量的问题时,需要用到遗传算法,我们以标准遗传算法为例,举例说明如何实现x、y两个自变量的遗传算法的实现。其实在之前的文章
遗传算法的进一步探究—多目标优化_数学建模matlab算法(七)
以及
遗传算法的进一步探究—多目标优化_数学建模matlab算法(七)
中,我们举例的问题,就是多自变量的,这里,我们再次,探究一下。
假设我们要求解一个二元函数f(x,y)的最大值,它的自变量是x和y。下面我们还是应用谢菲尔德大学的遗传算法工具箱来求解。
全部matlab代码如下:clc clear all close all %% 画出函数图 figure(1); lbx=-2;ubx=2; %函数自变量x范围【-2,2】 lby=-2;uby=2; %函数自变量y范围【-2,2】 ezmesh('y*sin(2*pi*x)+x*cos(2*pi*y)',[lbx,ubx,lby,uby],50); %画出函数曲线 hold on; %% 定义遗传算法参数 NIND=40; %个体数目 MAXGEN=50; %最大遗传代数 PRECI=20; %变量的二进制位数 GGAP=0.95; %代沟 px=0.7; %交叉概率 pm=0.01; %变异概率 trace=zeros(3,MAXGEN); %寻优结果的初始值 FieldD=[PRECI PRECI;lbx lby;ubx uby;1 1;0 0;1 1;1 1]; %区域描述器 Chrom=crtbp(NIND,PRECI*2); %初始种群 %% 优化 gen=0; %代计数器 XY=bs2rv(Chrom,FieldD); %计算初始种群的十进制转换 X=XY(:,1);Y=XY(:,2); ObjV=Y.*sin(2*pi*X)+X.*cos(2*pi*Y); %计算目标函数值 while gen<MAXGEN FitnV=ranking(-ObjV); %分配适应度值 SelCh=select('sus',Chrom,FitnV,GGAP); %选择 SelCh=recombin('xovsp',SelCh,px); %重组 SelCh=mut(SelCh,pm); %变异 XY=bs2rv(SelCh,FieldD); %子代个体的十进制转换 X=XY(:,1);Y=XY(:,2); ObjVSel=Y.*sin(2*pi*X)+X.*cos(2*pi*Y); %计算子代的目标函数值 [Chrom,ObjV]=reins(Chrom,SelCh,1,1,ObjV,ObjVSel); %重插入子代到父代,得到新种群 XY=bs2rv(Chrom,FieldD); gen=gen+1; %代计数器增加 %获取每代的最优解及其序号,Y为最优解,I为个体的序号 [Y,I]=max(ObjV); trace(1:2,gen)=XY(I,:); %记下每代的最优值 trace(3,gen)=Y; %记下每代的最优值 end plot3(trace(1,:),trace(2,:),trace(3,:),'bo'); %画出每代的最优点 grid on; plot3(XY(:,1),XY(:,2),ObjV,'bo'); %画出最后一代的种群 hold off %% 画进化图 figure(2); plot(1:MAXGEN,trace(3,:)); grid on xlabel('遗传代数') ylabel('解的变化') title('进化过程') bestZ=trace(3,end); bestX=trace(1,end); bestY=trace(2,end); fprintf(['最优解:\nX=',num2str(bestX),'\nY=',num2str(bestY),'\nZ=',num2str(bestZ),'\n'])
求解结果如下:
-
几种常用的插值和分段插值方法Matlab算法实现
2019-06-16 20:57:42首先: 几种常用的插值方法主要有:Lagrange...将以上插值公式使用Matlab算法实现: X为x的行向量,Y为y的行向量,Z为y的一阶导数向量或者边界一阶导数行向量。不同的方法用到的部分代码可能相同。 代码: Lagran... -
matlab算法实现对等额本息和等额本金两种还款方式的计算
2018-05-29 20:04:52matlab算法实现对等额本息和等额本金两种还款方式的计算 首先在matlab工作路径下创建data.xlsx的excel表用于储存matlab输出数据,然后打开data.xlsx,编辑excel表单名, matlab代码如下 clc clear %date:2018-... -
软件无线电 卫星通信 MATLAB算法
2013-03-07 21:42:491、 matlab算法: 匹配滤波 rolloff=0.6; filter=rcosine(1,16,'fir/sqrt',rolloff); signallg=filter(filter,1,IQ); 2、 matlab算法:载波频偏算法,二次方四次方 fft = 1024; datalg=(I+1j.*Q... -
产生随机值脉冲噪声的matlab算法实现
2018-01-31 10:45:52产生随机值脉冲噪声的matlab算法实现 1.什么是图像的噪声 数字图像被脉冲噪声损坏,通常是由于一种具有噪声的照相机传感器和错误的模拟数字转换所造成的。脉冲噪声一般有两种类型,即椒盐噪声(salt && ... -
在.NET中应用MATLAB算法
2014-05-09 14:30:06在.NET中应用MATLAB算法 在科学研究和工程应用中,往往要进行大量的数学计算,其中包括矩阵运算。这些运算一般来说难以用手工精确和快捷地进行,而要借助计算机编制相应的程序做近似计算。目前流行用Basic、Fortran... -
FFT matlab 算法 实现
2019-05-09 18:12:10function [ ret_val ] = FFT1024( vector ) %UNTITLED8 此处显示有关此函数的摘要 % 此处显示详细说明 %UNTITLED7 此处显示有关此函数的摘要 % 此处显示详细说明 %====================================== ... -
Pure Pursuit纯跟踪算法Python/Matlab算法实现
2019-10-26 20:59:49本文的python源代码来自: ...我们对纯跟踪算法进行一次仿真,python 我已经改过,如下: import numpy as np import math import matplotlib.py... -
java 调用matlab算法计算
2017-07-16 13:10:00后台需要做一些计算,算法用的matlab写的,将其打包成jar(打包过程很简单deploytool),这里包名为Test.jar,将matlab安装目录虾米你的toolbox下面的javabuilder里面的javabuilder.jar一起拷贝到java工程中,即可... -
LU分解Matlab算法分析
2016-10-05 11:25:10在第一次LU分解的时候,也就是说获得L和U的时候,其算法复杂度其实也是n^3,但是,一旦我们获得了L和U矩阵后,每次我们获得一个新的b要求对应的解x,算法复杂度就会大大降低,粗略来说就是n^2,把复杂度降低了一个... -
MATLAB算法运行计时
2017-02-17 16:42:39用于计时的语句很简单,只需在函数前后添加开始计时和结束计时命令即可,如对test函数计时,则语句为 tic;test;toc 运行后,将返回程序消耗时间,以秒为单位。 -
层次聚类算法伪码和matlab算法
2015-12-18 11:02:43层次聚类算法与之前所讲的顺序聚类有很大不同,它不再产生单一聚类,而是产生一个聚类层次。说白了就是一棵层次树。介绍层次聚类之前,要先介绍一个概念——嵌套聚类。讲的简单点,聚类的嵌套与程序的嵌套一样,一个... -
LBP matlab 算法实现练习
2016-09-01 11:16:41一种图像特征的提取算法。 算法步骤: 1.用3*3的模板对图像每个像素进行处理,比较当前像素和周围像素的大小,将大于当前像素的置1,小于的置0。 2.对这周围八个像素进行编码,这八个0和1正好是可以组成一个byte... -
急求寻峰的matlab算法
2015-10-18 05:41:12最好能保证误差在正负一左右,尽可能减少误差,有哪个大神可以发一下吗,谢谢 -
java调用Matlab算法解决方案
2015-04-18 11:35:53最近在做一个犯罪预测的项目,项目中要求开发语言为java,算法模型采用matlab制作,这样就出现了一个问题:我的java程序如何调用matlab制作的算法模型? -
ISODATA聚类matlab算法(带详细中文注释)
2010-04-19 11:32:38本资源是ISODATA聚类算法的matlab代码,其中包括isodata.m(ISODATA算法代码,其中包括了合并分裂等一系列子函数)、provaisodata.m(算法实例调用代码)和dades.mat(存放实例数据变量的文件)三个文件,并且每个... -
遗传算法的进一步探究—多目标优化_数学建模matlab算法(七)
2019-11-04 20:11:29多目标优化算法的目的就是要寻找这些Pareto最优解。 我们可以利用matlab自带的gamultiobj函数,进行多目标优化求解。 这里,我们以一个具体的例子,来说明如何使用gamultiobj函数进行多目标优化。 待... -
数学建模人口模型及matlab算法解
2019-07-20 22:19:08a=textread('G:\\matlab脚本文件\\StudyPrepare\\b.txt'); x=a([2:2:6],:)'; x=nonzeros(x); t=[1790:10:2000]'; t0=t(1);x0=x(1); fun=@(cs,td) cs(1)./(1+(cs(1)/x0-1)*exp(-cs(2)*(td-t0))); cs=lsqcurvefit(fun,... -
遗传算法的进一步探究—多种群_数学建模matlab算法(六)
2019-11-04 20:05:06多种群遗传算法可以解决传统遗传算法存在的早熟收敛问题,多种群遗传算法MPGA在标准遗传算法SGA的基础上主要引入了以下概念: (1)突破SGA仅靠单个群体进行遗传进化的框架,引入多个种群同时进行优化搜索;不同的... -
用中值滤波实现图像去噪(matlab算法)
2020-05-02 13:57:40matlab,图像处理,中值滤波去噪 -
谱聚类matlab算法实现及详解
2018-03-19 19:57:22本文主要针对谱聚类的matlab程序做了一些注释和说明。谱聚类主要分为两步:1、构图。2、切图。它是图论研究的分支之一。构图的方法有三种:一、ε-neighborhood。二、k-nearest neighborhood即k近邻法。三、 fully... -
基于matlab算法解决出租车智能调度问题
2017-08-18 04:08:46各位大佬,如何利用matlab解决三组大数据,分别是:1.一定区域内乘客的上车地点2.该乘客对应的下车地点3.出租车的地点。 ps:1.区域为一个行列为49的方阵 2.三组数据都是坐标形式,可生成具体的三点图。 3.散点图又... -
去光照不均匀matlab 算法和代码放出
2017-12-08 23:03:01基于二维伽马函数的光照不均匀图像自适应校正算法 在视频和图像的采集过程中,由于受到地物环境复杂、物品之间相互遮挡以及环境光照条件多变等因素的影响,经常会导致场景的光照不均匀,主要表现为图像中亮的区域... -
LQR轨迹跟踪算法Python/Matlab算法实现_LQRmatrix推导(2)
2020-02-27 16:14:33本文提供了另一种LQR状态空间矩阵的推导方式:
-
error:please select a valid Python interpreter
-
基于Flink+Hudi构建企业亿级云上实时数据湖教程(PC、移动、小
-
MySQL 高可用工具 DRBD 实战部署详解
-
佳博标签打印机编程手册tspl v1.0.8.pdf
-
基于Qt的LibVLC开发教程
-
wifi密码破解必备 6000个使用频率最高密码字典加强版 日常弱口令-网管软件工具类资源
-
uploadifive上传图片源码附教程文档.zip
-
Samba 服务配置与管理
-
堡垒机安装配置
-
Android Jetpack架构组件——LiveData使用篇
-
智能停车场云平台(附vue+SpringBoot前后端项目源码)
-
Java基础-数组的复制
-
R数据分析:混合效应模型的可视化解释,再不懂就真没办法
-
Java八大基本数据类型
-
猫眼dubbo笔记.docx
-
zhuangguizhuanjiav2.6.0.3_downcc.com.zip
-
课程学习笔记-精华版.docx
-
献给30岁之前为前途迷茫彷徨的男人们的忠告
-
基于python的dango框架购物商城毕业设计毕设源代码使用教程
-
Unity ILRuntime框架设计