说明：粒子群方法优化信号。

Variable PSO 粒子群

说明：训练高斯混合模型的程序，尽管此类代码较多，但本程序经过笔者改写优化后，很大程度上避免了普通方法中局部最优的问题。

pcm training_gmm 优化-matlab MATLAB--聚类算法 T-S模型

说明：最速下降法是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解，得到最小化的损失...

最速下降法 梯度下降 gradient-descent 最小二乘问题 最小中值法

说明：k-均值聚类是一种矢量量化，最初从信号处理，这是流行的数据挖掘中的聚类分析的方法。k-均值聚类分区 n 个观测到 k 集群每个观察值属于最近均值集群目标，作为该群集的一个原型。这会导致 Voronoi 单元格数据空间的划分。问题是计算困难 （np） ；然而，有高效的启发式算法，并普遍采用和快速收敛到...

matlab 算法 均值

说明：采用正交频分复用（OFDM）技术，研究了一种采用双极化天线（dpa）的2x2多输入多输出（MIMO）结构。在受偏振模色散（PMD）和偏振相关损耗（PDL）影响的时变多径信道中，对DPAs的性能进行了评估。所考虑的AP传输技术包括功率增益最大化、用于避免干扰的偏振色散最小化、带注水的偏振复用以及能够直...

OFDM 双极化天线 dpa MIMO PMD PDL

说明：Benders分解算法是J.F.Benders在1962年首先提出的，是一种求解混合整数规划问题的算法。Benders分解算法将具有复杂变量的规划问题分解为线性规划和整数规划，用割平面的方法分解出主问题与子问题，通过迭代的方法求解出最优值。 Benders分解算法是一个很常用的算法,用来计算像最小整...

Benders分解法 机组组合

说明：求解无约束问题最优化问题基础方法之一：高斯牛顿法

非线性最小二乘 gauss-newton-matlab matlab-Gauss-Newton gauss-newton-matl 牛顿-高斯

说明：解无约束优化问题的锥模型拟牛顿信赖域算法。不同与传统的二次模型方法。

信赖域 dogleg-matlab dogleg 锥模型信赖域 锥模型

说明：支持向量机参数c和g的优化，用了三种方法：网格法、遗传算法、 粒子群算法，包你学会。

libsvm-matlab-cg libsvm-遗传 支持向量机 小波-去噪 网格-粒子群

说明：遗传算法（Genetic Algorithm）通过模拟自然进化过程搜索最优解的方法。初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度大小选择个体，并借助于自然遗传学的遗传 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完...

matlab 算法 ga 工具箱