没有合适的资源?快使用搜索试试~ 我知道了~
运用混沌系统logistic实现图像加密,解密,主要是通过异或运算,实现图像的扩散.m
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 20 浏览量
2023-06-17
11:07:12
上传
评论
收藏 4.22MB DOCX 举报
温馨提示
试读
8页
1.卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断 2.图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知 3.旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划 4.无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配 5.传感器部署优化、通信协议优化、路由优化、目标定位 6.信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号 7.生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度
资源推荐
资源详情
资源评论
基于密度的聚类方法(DBSCAN)
1.DBSCAN 以一个从未访问过的任意起始数据点开始。这个点的邻域是用距离
ε(所有在 ε 距离的点都是邻点)来提取的。
2.如果在这个邻域中有足够数量的点(根据 minPoints),那么聚类过程就开
始了,并且当前的数据点成为新聚类中的第一个点。否则,该点将被标记为噪
声(稍后这个噪声点可能会成为聚类的一部分)。在这两种情况下,这一点都
被标记为“访问(visited)”。
3.对于新聚类中的第一个点,其 ε 距离附近的点也会成为同一聚类的一部分。
这一过程使在 ε 邻近的所有点都属于同一个聚类,然后重复所有刚刚添加到聚
类组的新点。
4.步骤 2 和步骤 3 的过程将重复,直到聚类中的所有点都被确定,就是说在聚
类附近的所有点都已被访问和标记。
5.一旦我们完成了当前的聚类,就会检索并处理一个新的未访问点,这将导致
进一步的聚类或噪声的发现。这个过程不断地重复,直到所有的点被标记为访
问。因为在所有的点都被访问过之后,每一个点都被标记为属于一个聚类或者
是噪音。
DBSCAN 比其他聚类算法有一些优势。首先,它不需要一个预设定的聚类数
量。它还将异常值识别为噪声,而不像均值偏移聚类算法,即使数据点非常不
同,它也会将它们放入一个聚类中。此外,它还能很好地找到任意大小和任意
形状的聚类。
DBSCAN 的主要缺点是,当聚类具有不同的密度时,它的性能不像其他聚类算
法那样好。这是因为当密度变化时,距离阈值 ε 和识别邻近点的 minPoints 的
设置会随着聚类的不同而变化。这种缺点也会出现在非常高维的数据中,因为
距离阈值 ε 变得难以估计。
资源评论
天天Matlab科研工作室
- 粉丝: 3w+
- 资源: 7258
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功