说明:一种基于粒子群K均值聚类算法的电梯交通模式识别方法。该方法通过对此前一周的原始客流数据进行聚类分析,得到相应交通模式的聚类中心坐标[2]。针对实时变化的交通流数据,采集5 mins时段客流数据,根据最近邻原则划分其归属的聚类中心,从而识别出当前的交通模式。
粒子群 K均值 聚类算法 电梯 交通模式 识别方法 PSO
说明:粒子群PSO及其改进算法,包含基本PSO,sPSO,tPSO,tsPSO等。
粒子群 PSO 改进算法 sPSO tPSO tsPSO
说明:粒子群优化BP神经网络算法,采用PSO优化神经网络的结构层个数,及隐含层的权值,相较BP神经网络,预测效果更好。
PSO 粒子群优化 BP 神经网络算法
说明:基于模拟退火的粒子群优化算法,算法的迭代速度快,精度高。
PSOSA 模拟退火 粒子群优化算法
说明:利用粒子群优化算法,进行样本训练BP神经网络。
PSO 粒子群优化算法 BP神经网络
说明:灰色理论优化粒子群优化算法,构建出的一种新的混合智能优化算法。
灰色理论 优化粒子群 优化算法
说明:基于粒子群优化算法的ELM,很稳,自己写的亲测可用。
粒子群优化算法 ELM
说明:粒子群优化算法程序设计,非常有用的程序,希望对大家有用。
粒子群 优化算法
说明:粒子群聚类算法,对于初学者是很好的东西,要下的赶快。
C PSO 粒子群聚类算法
说明:本程序是基于粒子群优化算法(PSO)的环形阵列天线方向图的仿真程序。
粒子群优化算法 PSO 环形阵列天线方向图