模拟退火、遗传算法迭代

【实例简介】

基于HOUGH变换检测圆孔半径% %%%%%%%%%%%%%%%%%%%%%%%%%%% input% BW:二值图像；% step_r:检测的圆半径步长% step_angle:角度步长，单位为弧度% r_min:最小圆半径% r_max:最大圆半径% p:以p*hough_space的最大值为阈值，p取0，1之间的数% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% output% hough_space:参数空间，h(a,b,r)表示圆心在(a,b)半径为r的圆上的点数% hough_circl:二值图像，检测到的圆% para:检测到的圆的圆心、半径

SVM回归代码

牛顿法，输入目标函数、初始点、精度，能够得到整个求解过程，每一步迭代的结果都能打印出来，方便初学者学习，跟教材完全对应。

神经网络代码

萤火虫群智能优化算法（Glowworm Swarm Optimization, GSO）是由K.N.Krishnanand和D.Ghose两位学者在2005年提出的一种通过模拟自然界中萤火虫发光行为而构造出的新型群智能优化算法。它模拟了自然界中萤火虫群中个体通过发光来吸引伙伴或觅食，萤火虫携带荧光素越多，萤火虫越亮，个体的吸引力越强，最终使得大部分萤火虫聚集在最亮的萤火虫所处位置上的这种现

【实例简介】

用不同的smooth方法，对一天抑霉唑固体样本的拉曼光谱进行平滑处理

【实例简介】 一种可适用于滚动轴承故障诊断BP神经训练网络

【实例简介】