说明：NSGA2多目标优化算法，配上说明文档 NSGA-Ⅱ算法是 Srinivas 和 Deb 于 2000 年在 NSGA 的基础上提出的，它比 NSGA算法更加优越：它采用了快速非支配排序算法，计算复杂度比 NSGA 大大的降低；采用了拥挤度和拥挤度比较算子，代替了需要指定的共享半径 shareQ，并...

空间均匀采样 多能计算 NSGA2-比 NSGA-Ⅱ nsga2-matlab

说明：用matab的GUIDE开发环境设计一个基于Shepp_logan模型图像的MRI 图像重建仿真平台，可以模拟K空间线性和螺旋轨迹设计，K空间数据采集过程以及均匀采样下图像重建。-This is a simulation plantform used for MRI image reconstruc...

matlab

说明：支持向量机SVM(Support Vector Machine）作为一种可训练的机器学习方法，依靠小样本学习后的模型参数进行导航星提取，可以得到分布均匀且恒星数量大为减少的导航星表 基本情况　Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分...

matlab svm 训练 机器 学习方法

说明：NSGA-II算法提出了快速非支配排序法，降低了算法的计算复杂度。由原来的O(MN3)降到O(MN2)（M为目标函数个数，N为种群大小）。提出了拥挤度和拥挤度比较算子，代替了需要指定共享半径的适应度共享策略，并在快速排序后的同级比较中作为胜出标准，使准Pareto域中的个体能扩展到整个Pareto域...