matlab常用代码大全科研神器_代码matlab-Matlab代码类资源-CSDN文库

5星 · 超过95%的资源

所需积分/C币: 42

浏览量·1.7k

RAR

12.01MB

2016-11-08 23:16:03 上传

身份认证购VIP最低享 7 折!

评论收藏

内容反馈

该资源已被收录至官方专辑 Matlab专辑 Matlab源码

第1章 BP神经网络的数据分类——语音特征信号分类第2章 BP神经网络的非线性系统建模——非线性函数拟合第3章遗传算法优化BP神经网络——非线性函数拟合第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器设计——公司财务预警建模第6章 PID神经元网络解耦控制算法——多变量系统控制第7章 RBF网络的回归--非线性函数回归的实现第8章 GRNN网络的预测----基于广义回归神经网络的货运量预测第9章离散Hopfield神经网络的联想记忆——数字识别第10章离散Hopfield神经网络的分类——高校科研能力评价第11章连续Hopfield神经网络的优化——旅行商问题优化计算第12章初始SVM分类与回归第13章 LIBSVM参数实例详解第14章基于SVM的数据分类预测——意大利葡萄酒种类识别第15章 SVM的参数优化——如何更好的提升分类器的性能第16章基于SVM的回归预测分析——上证指数开盘指数预测. 第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测第18章基于SVM的图像分割-真彩色图像分割第19章基于SVM的手写字体识别第20章 LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用第21章自组织竞争网络在模式分类中的应用—患者癌症发病预测第22章 SOM神经网络的数据分类--柴油机故障诊断第23章 Elman神经网络的数据预测----电力负荷预测模型研究第24章概率神经网络的分类预测--基于PNN的变压器故障诊断第25章基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选第26章 LVQ神经网络的分类——乳腺肿瘤诊断第27章 LVQ神经网络的预测——人脸朝向识别第28章决策树分类器的应用研究——乳腺癌诊断第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验第30章基于随机森林思想的组合分类器设计——乳腺癌诊断第31章思维进化算法优化BP神经网络——非线性函数拟合第32章小波神经网络的时间序列预测——短时交通流量预测第33章模糊神经网络的预测算法——嘉陵江水质评价第34章广义神经网络的聚类算法——网络入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化计算——建模自变量降维第37章基于灰色神经网络的预测算法研究——订单需求预测第38章基于Kohonen网络的聚类算法——网络入侵聚类第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现第41章定制神经网络的实现——神经网络的个性化建模与仿真第42章并行运算与神经网络——基于CPU/GPU的并行神经网络运算第43章神经网络高效编程技巧——基于MATLAB R2012b新版本特性的探讨第44章层次分析法第45章灰色关联度第46章熵权法第47章主成分分析第48章主成分回归第49章偏最小二乘第50章逐步回归分析第51章模拟退火第52章 RBF,GRNN,PNN-神经网络第53章竞争神经网络与SOM神经网络第54章蚁群算法tsp求解第55章灰色预测GM1-1 第56章模糊综合评价第57章曲线拟合目前没空，后面继续整理，还有很多类似的代码，欢迎下载

资源推荐

资源详情

资源评论

<html xmlns="http://www.w3.org/1999/xhtml"><head><meta charset="utf-8"><meta name="generator" content="pdf2htmlEX"><meta http-equiv="X-UA-Compatible" content="IE=edge,chrome=1"><link rel="stylesheet" href="https://csdnimg.cn/release/download_crawler_static/css/base.min.css"><link rel="stylesheet" href="https://csdnimg.cn/release/download_crawler_static/css/fancy.min.css"><link rel="stylesheet" href="https://csdnimg.cn/release/download_crawler_static/9676963/raw.css"><script src="https://csdnimg.cn/release/download_crawler_static/js/compatibility.min.js"></script><script src="https://csdnimg.cn/release/download_crawler_static/js/pdf2htmlEX.min.js"></script><script>try{pdf2htmlEX.defaultViewer = new pdf2htmlEX.Viewer({});}catch(e){}</script><title></title></head><body><div id="sidebar" style="display: none"><div id="outline"></div></div><div id="pf1" class="pf w0 h0" data-page-no="1"><div class="pc pc1 w0 h0"><img class="bi x0 y0 w1 h1" alt="" src="https://csdnimg.cn/release/download_crawler_static/9676963/bg1.jpg"><div class="c x0 y1 w2 h2"><div class="t m0 x1 h3 y2 ff1 fs0 fc0 sc0 ls0 ws0">MATLAB 代码</div><div class="t m0 x2 h3 y3 ff2 fs0 fc0 sc1 ls0 ws0">第 1 章 BP 神经网络的数据分类——语音特征信号分类</div><div class="t m0 x2 h3 y4 ff2 fs0 fc0 sc1 ls0 ws0">第 2 章 BP 神经网络的非线性系统建模——非线性函数拟合</div><div class="t m0 x2 h3 y5 ff2 fs0 fc0 sc1 ls0 ws0">第 3 章 遗传算法优化 BP 神经网络——非线性函数拟合</div><div class="t m0 x2 h3 y6 ff2 fs0 fc0 sc1 ls0 ws0">第 4 章 神经网络遗传算法函数极值寻优——非线性函数极值寻优</div><div class="t m0 x2 h3 y7 ff2 fs0 fc0 sc1 ls0 ws0">第 5 章 基于 BP_Adaboost 的强分类器设计——公司财务预警建模</div><div class="t m0 x2 h3 y8 ff2 fs0 fc0 sc1 ls0 ws0">第 6 章 PID 神经元网络解耦控制算法——多变量系统控制</div><div class="t m0 x2 h3 y9 ff2 fs0 fc0 sc1 ls0 ws0">第 7 章 RBF 网络的回归--非线性函数回归的实现</div><div class="t m0 x2 h3 ya ff2 fs0 fc0 sc1 ls0 ws0">第 8 章 GRNN 网络的预测----基于广义回归神经网络的货运量预测</div><div class="t m0 x2 h3 yb ff2 fs0 fc0 sc1 ls0 ws0">第 9 章 离散 Hop!eld 神经网络的联想记忆——数字识别</div><div class="t m0 x2 h3 yc ff2 fs0 fc0 sc1 ls0 ws0">第 10 章 离散 Hop!eld 神经网络的分类——高校科研能力评价</div><div class="t m0 x2 h3 yd ff2 fs0 fc0 sc1 ls0 ws0">第 11 章 连续 Hop!eld 神经网络的优化——旅行商问题优化计算</div><div class="t m0 x2 h3 ye ff2 fs0 fc0 sc1 ls0 ws0">第 12 章 初始 SVM 分类与回归</div><div class="t m0 x2 h3 yf ff2 fs0 fc0 sc1 ls0 ws0">第 13 章 LIBSVM 参数实例详解</div><div class="t m0 x2 h3 y10 ff2 fs0 fc0 sc1 ls0 ws0">第 14 章 基于 SVM 的数据分类预测——意大利葡萄酒种类识别</div><div class="t m0 x2 h3 y11 ff2 fs0 fc0 sc1 ls0 ws0">第 15 章 SVM 的参数优化——如何更好的提升分类器的性能</div><div class="t m0 x2 h3 y12 ff2 fs0 fc0 sc1 ls0 ws0">第 16 章 基于 SVM 的回归预测分析——上证指数开盘指数预测.</div><div class="t m0 x2 h3 y13 ff2 fs0 fc0 sc1 ls0 ws0">第 17 章 基于 SVM 的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预</div><div class="t m0 x2 h3 y14 ff2 fs0 fc0 sc1 ls0 ws0">测</div><div class="t m0 x2 h3 y15 ff2 fs0 fc0 sc1 ls0 ws0">第 18 章 基于 SVM 的图像分割-真彩色图像分割</div><div class="t m0 x2 h3 y16 ff2 fs0 fc0 sc1 ls0 ws0">第 19 章 基于 SVM 的手写字体识别</div><div class="t m0 x2 h3 y17 ff2 fs0 fc0 sc1 ls0 ws0">第 20 章 LIBSVM-FarutoUl+mate 工具箱及 GUI 版本介绍与使用</div><div class="t m0 x2 h3 y18 ff2 fs0 fc0 sc1 ls0 ws0">第 21 章 自组织竞争网络在模式分类中的应用—患者癌症发病预测</div><div class="t m0 x2 h3 y19 ff2 fs0 fc0 sc1 ls0 ws0">第 22 章 SOM 神经网络的数据分类--柴油机故障诊断</div><div class="t m0 x2 h3 y1a ff2 fs0 fc0 sc1 ls0 ws0">第 23 章 Elman 神经网络的数据预测----电力负荷预测模型研究</div><div class="t m0 x2 h3 y1b ff2 fs0 fc0 sc1 ls0 ws0">第 24 章 概率神经网络的分类预测--基于 PNN 的变压器故障诊断</div><div class="t m0 x2 h3 y1c ff2 fs0 fc0 sc1 ls0 ws0">第 25 章 基于 MIV 的神经网络变量筛选----基于 BP 神经网络的变量筛选</div><div class="t m0 x2 h3 y1d ff2 fs0 fc0 sc1 ls0 ws0">第 26 章 LVQ 神经网络的分类——乳腺肿瘤诊断</div><div class="t m0 x2 h3 y1e ff2 fs0 fc0 sc1 ls0 ws0">第 27 章 LVQ 神经网络的预测——人脸朝向识别</div><div class="t m0 x2 h3 y1f ff2 fs0 fc0 sc1 ls0 ws0">第 28 章 决策树分类器的应用研究——乳腺癌诊断</div><div class="t m0 x2 h3 y20 ff2 fs0 fc0 sc1 ls0 ws0">第 29 章 极限学习机在回归拟合及分类问题中的应用研究——对比实验</div><div class="t m0 x2 h3 y21 ff2 fs0 fc0 sc1 ls0 ws0">第 30 章 基于随机森林思想的组合分类器设计——乳腺癌诊断</div><div class="t m0 x2 h3 y22 ff2 fs0 fc0 sc1 ls0 ws0">第 31 章 思维进化算法优化 BP 神经网络——非线性函数拟合</div><div class="t m0 x2 h3 y23 ff2 fs0 fc0 sc1 ls0 ws0">第 32 章 小波神经网络的时间序列预测——短时交通流量预测</div><div class="t m0 x2 h3 y24 ff2 fs0 fc0 sc1 ls0 ws0">第 33 章 模糊神经网络的预测算法——嘉陵江水质评价</div><div class="t m0 x2 h3 y25 ff2 fs0 fc0 sc1 ls0 ws0">第 34 章 广义神经网络的聚类算法——网络入侵聚类</div><div class="t m0 x2 h3 y26 ff2 fs0 fc0 sc1 ls0 ws0">第 35 章 粒子群优化算法的寻优算法——非线性函数极值寻优</div><div class="t m0 x2 h3 y27 ff2 fs0 fc0 sc1 ls0 ws0">第 36 章 遗传算法优化计算——建模自变量降维</div><div class="t m0 x2 h3 y28 ff2 fs0 fc0 sc1 ls0 ws0">第 37 章 基于灰色神经网络的预测算法研究——订单需求预测</div><div class="t m0 x2 h3 y29 ff2 fs0 fc0 sc1 ls0 ws0">第 38 章 基于 Kohonen 网络的聚类算法——网络入侵聚类</div><div class="t m0 x2 h3 y2a ff2 fs0 fc0 sc1 ls0 ws0">第 39 章 神经网络 GUI 的实现——基于 GUI 的神经网络拟合、模式识别、聚类</div><div class="t m0 x2 h3 y2b ff2 fs0 fc0 sc1 ls0 ws0">第 40 章 动态神经网络时间序列预测研究——基于 MATLAB 的 NARX 实现</div><div class="t m0 x2 h3 y2c ff2 fs0 fc0 sc1 ls0 ws0">第 41 章 定制神经网络的实现——神经网络的个性化建模与仿真</div></div></div><div class="pi" data-data='{"ctm":[1.611850,0.000000,0.000000,1.611850,0.000000,0.000000]}'></div></div></body></html>

评论收藏

内容反馈