基于模糊小波神经网络的空中目标威胁评估（Matlab代码实现）
目录 💥1 概述 📚2 运行结果 🎉3 参考文献 👨💻4 Matlab代码 💥1 概述 在现代战争中, 随着信息化和智能化的飞速发展, 以及作战环境的日益复杂, 实时而准确地评估目标威胁, 不仅为空战决策提供科学的决策依据, 而且能够提高杀伤概率, 因而研究目标威胁评估问题具有重要的理论和实际意义。目前关于目标威胁评估问题研究已经取得了一些研究成果。主要技术为:直觉模糊集、贝叶斯推理、优劣解距离法...
比较研究测井预测：遗传算法与神经网络（Matlab代码实现）
🍁🥬🕒摘要🕒🥬🍁 传统的测井解释需要建立精确的数学模型,并常伴有严格的条件限制,因此很难得到真实反映储层特性的结果。采用遗传算法与BP神经网络相结合,利用遗传算法的全局寻优特点,优化神经网络的连接权值和阀值,提高网络的训练精度和预测精度,避免了BP算法易陷入局部极小的缺点,提高运算速度。将相似度的概念引入到测井中,定义相似度在测井中的计算公式,提出相似度与遗传神经网络相结合的方法。实例研究表明,预测准确...
【图像处理】基于图像聚类的无监督图像排序问题（Matlab代码实现）
2019). Image sorting via a reduction in travelling salesman problem. IET Image Processing. 🌈4 Matlab代码实现...
基于文化算法优化的神经网络预测研究（Matlab代码实现）
目录 1 文化优化算法 2 人工神经网络 3 基于文化算法优化的神经网络预测研究（Matlab代码实现）运行结果 4 参考文献 5 Matlab代码实现 1 文化优化算法 大自然里的各种生物在生存环境中相互竞争，优胜劣汰，不断进化，对环境具有良好的适应性，人们细心观察着周围神奇的大自然，激发出无限的想象，模拟生物的进化机制,提出了一系列进化计算方法，如进化规划、遗传算法、粒子群优化算法以及鱼群算法等。然...
具有平滑正曲线边界的一般凸体的精确闭式闵可夫斯基研究（Matlab代码实现）
,i), obs_tx(2,i), obs_th(i), 50]); end obs_config = [obs_a; obs_eps; obs_tx; obs_th]'; end 🌈3 Matlab代码实现 🎉4 参考文献 [1]Ruan, S. and Chirikjian, G.S., 2021. Closed-Form Minkowski Sums of Convex Bodies with S...
基于粒子群优化算法的时间调制非线性频偏FDA（Matlab代码实现）
03):70-77. [2]顾斯祺. 频控阵波束综合技术及其优化设计研究[D].南京理工大学,2019.DOI:10.27241/d.cnki.gnjgu.2019.000853. 💥4 Matlab代码实现 ...
TreeUtils工具类一行代码实现列表转树【第三版优化】 三级菜单 三级分类 附视频
一、序言在日常一线开发过程中，总有列表转树的需求，几乎是项目的标配，比方说做多级菜单、多级目录、多级分类等，有没有一种通用且跨项目的解决方式呢？帮助广大技术朋友给业务瘦身，提高开发效率。本文将基于Java8的Lambda 表达式和Stream等知识，使用TreeUtils工具类实现一行代码完成列表转树这一通用型需求。本文有配套视频，传送门直达。 二、实战编码1、引入坐标本坐标地址包含TreeUti...
异常值检测！最佳统计方法实践（代码实现）！⛵
50% 的数据）。四分位距包含高于 Q1 和低于 Q3 的所有数据点。如果该点高于 Q3 + (1.5 x IQR)，则存在较高的异常值，如果 Q1 - (1.5 x IQR)，则存在较低的异常值。 代码实现如下：# 重新加载数据df = pd.read_csv('insurance.csv') # 计算上下四分位数位置q75_age, q25_age = np.percentile(df['age...
SCA算法优化脉冲耦合神经网络的图像自动分割（Matlab代码实现）
🍁🥬🕒摘要🕒🥬🍁 为了有效提升多源图像融合质量，提出了应用剪切波变换和脉冲耦合神经网络的图像融合方法。利用有限离散剪切波变换将图像分解为高频和低频子带，并采用小波变换二次分解低频子带；选取脉冲耦合神经网络的高频分量融合规则获取高频子带系数；利用剪切波逆变换融合多源图像高频与低频子带系数，得到最终融合图像。实验结果表明，所提出的方法融合后图像具有较优的互信息量、信息熵、加权融合质量指数、边缘信息传递量，融...
Swin Transformer代码实现部分细节重点
swin transformer 1.patch-merging部分 代码：【amazing】 x0 = x[:, 0::2, 0::2, :] # [B, H/2, W/2, C] 对应图片所有 1 的位置 x1 = x[:, 1::2, 0::2, :] # [B, H/2, W/2, C] 对应图片所有 3 的位置 x2 = x[:, 0::2, 1::2, :] # [B, H/2, W/2, ...