- 博客(23)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 高光谱解混（三）——基于几何和统计的线性光谱解混方法
高光谱解混综述论文精读笔记/三GEOMETRICAL基于纯像元的几何解混方法像元纯度指数(PPI)N-FINDRVCAOtherReferenceGEOMETRICAL 基于几何的方法基本可以分为两大类：基于纯像元（PP）的方法和基于最小体积（MV）的方法。此外，还有一些其他方法也将被讨论。 在Section Ⅱ已经简单提到：通过将最小体积（MV）（最小面积）单纯形拟合到数据来完成端元估计（给定点集寻找构成凸包的点），可以作为几种基于几何的解混算法的理论基础 。基于纯像元的几何解混方法 基于纯像元的
2022-06-23 11:31:33
3930
2
原创 进化计算（十二）——MFEA算法详解Ⅲ
MFEA论文阅读笔记Ⅲ数值实验和讨论(离散问题实验)结论参考文献及链接写在前边：本文是自己的理解笔记，用作本人学习记录。写博客的时候主要参考了原论文以及其他博主的优秀文章，具体链接在文末。【注：本文中的某些超链接可能需要使用外网】数值实验和讨论(离散问题实验)结论参考文献及链接[1]A. Gupta, Y. Ong and L. Feng.Multifactorial Evolution: Toward Evolutionary Multitasking.[J].IEEE Transaction
2022-06-23 11:29:00
1349
1
原创 进化计算（十一）——MFEA算法详解Ⅱ
MFEA论文阅读笔记Ⅱ参考文献及链接写在前边：本文是自己的理解笔记，用作本人学习记录。写博客的时候主要参考了原论文以及其他博主的优秀文章，具体链接在文末。参考文献及链接[1]A. Gupta, Y. Ong and L. Feng.Multifactorial Evolution: Toward Evolutionary Multitasking.[J].IEEE Transactions on Evolutionary Computation, 2015(3):343-357;......
2022-06-23 11:28:40
1590
原创 进化计算（十）——MFEA算法详解Ⅰ
MFEA论文阅读笔记Ⅰ多目标进化优化，多任务学习，多任务进化优化多目标进化和多任务进化的区别（个人理解）简单介绍基本概念摘要参考文献及链接写在前边：本文是自己的理解笔记，用作本人学习记录。写博客的时候主要参考了原论文以及其他博主的优秀文章，具体链接在文末。多目标进化优化，多任务学习，多任务进化优化多目标进化和多任务进化的区别（个人理解） 多目标进化优化——专注解决一个优化任务，这个任务是一个多目标问题（存在多个相互冲突的目标）。优化结果是一个解集； 多任务进化优化：同时解决多个优化任务，这些优化任
2022-06-23 11:28:19
3721
2
原创 三角形内部的任一点都可以表示为顶点的线性组合
目录写在前边证明题目三角形边上一点可由三个顶点的线性组合表示三角形内部一点可由三个顶点的线性组合表示扩展—单纯形解线性规划基本解和基本可行解参考写在前边 本文参考博文，但是博客中没有使用向量方法进行完整的证明，所以这篇博客在原始博文基础上再证明一下。写该篇博客的目的是为了初步理解单纯形法算法详解中的这句话凸多边形内部任一点都可以表示成顶点的线性组合。证明题目证明：三角形内部的任一点都可以表示为顶点的线性组合 用A、B、C三个顶点的线性组合表示D和E的顶点。其中，D是三角形ABC（2维单纯形）边
2022-03-31 11:34:10
1643
1
原创 中文论文撰写技巧（word）——参考文献的交叉引用
使用word完成参考文献的交叉引用参考文献的快速引用word交叉引用设置交叉引用快捷键视频教程参考文献的快速引用百度学术为例：（1）在搜索框属于需要检索的文章的关键字，点击待引用文章下的“<> 引用”（2）复制需要的文献格式到word文档英文文献：一般在谷歌学术查找，引用方法同理。word交叉引用1. 按住“Alt”键选中参考文献编号并删除2. 选中所有的参考文献使用工具栏中的段落编号对参考文献进行统一编号ps：若编号库中没有参考文献格式，可以在下方进行自定义
2022-03-17 17:36:26
5854
原创 现代多媒体通信技术【问答、分析、论述】
部分问答题1. 结合具体实例解释媒体、多媒体和超媒体的概念。媒体在计算机领域有两种含义：一是存储信息的实体，如硬盘、光盘等；二是信息的物理载体，如语音，图片，文本等。多媒体是指融合两种及两种以上媒体元素的信息进行交流和传播的媒体。如多媒体教学，交互式视频游戏等等。超媒体是指利用一种非线性网状结构将块状多媒体信息（文本、图像、视频等）进行组织和管理的技术。将若干不同媒体连接起来，其集合就称为超媒体。如多媒体信息管理技术等。2. 超文本的核心思想是什么？它与超媒体的区别和联系。超文本是一种利用信息之
2022-03-01 16:36:56
3459
原创 进化计算（九）——MOEA/D代码实现及中文详解（Matlab）
MOEA/D代码实现代码流程图写在前边：源代码是英文版本，且仅给出了ZDT1和KNO1的优化示例。本文在源代码基础上改进如下：添加了详尽的中文注释；代码适用于ZDT系列所有函数的优化；删除部分无用的子函数；引入真实Pareto前沿与代码所求解形成明显比对；Objective.m对应源代码的testMOP。 核心算法没有做较多的改动，源代码下载可移步github。若对本文代码有需要，可以评论区留言邮箱。源代码采用差分进化和高斯变异的方法，若有需要可以参考差分进化算法和高斯变异这两篇
2021-11-30 19:14:27
9028
53
原创 进化计算（八）——MOEA/D算法详解Ⅱ
MOEA/D论文阅读笔记ⅡMOEA/D vs. MOGLS（Neighbor&TEP）MOGLS符号及参数定义输入输出初始化迭代循环停止迭代MOGLS vs. MOEA/D(Complexity)多目标0-1背包问题—MOKP两种算法的MOKP具体实施修复方法MOGLS的实施方案MOEA/D vs. NSGA ⅡScability, Sensitivity, and Small Population in MOEA/DConclusion参考文献及链接写在前边：本文依然是自己的理解笔记，仅用作本人
2021-11-18 20:42:08
4648
原创 进化计算（七）——MOEA/D算法详解
MOEA/D论文阅读笔记Ⅰ摘要引言参考文献及链接摘要 分解是传统多目标优化算法中的基础策略，但是分解策略还未能广泛的应用于多目标进化优化算法中。该篇文章提出了一个基于分解的多目标进化算法MOEA/D：将一个多目标优化问题分解成许多单目标优化子问题，然后同时对这些子问题进行优化。由于对每一个子问题进行优化时仅使用该子问题邻近的几个子问题的相关信息，因此MOEA/D算法有较低的计算复杂度。实验结果显示了使用标准化目标函数的MOEA/D算法能够处理不同缩放程度的目标。此外，使用高级分解方法的MOEA/D算法对
2021-11-17 20:14:22
27503
32
原创 进化计算（六）——NSGA II代码实现（Matlab）
NSGA II代码实现参考链接参考链接githubMatlab编写多目标优化算法NSGA-Ⅱ的详解以及论文详解NSGA2算法MATLAB实现（能够自定义优化函数）
2021-11-07 15:03:26
9223
71
原创 进化计算（五）——NSGA-II论文阅读笔记（二）
A fast and elitist multiobjective genetic algorithm NSGA-II阅读笔记（二）测试函数仿真方法选择初始参数设置性能评价结果旋转多目标问题约束处理—针对rank分配方法的改进建议的约束处理方法——Constrained NSGA-IIRay–Tai–Seow的约束处理方法对比结果Conclusion参考链接 论文中展示了PAES、SPEA、NSGA II三个算法的对比实验结果。测试函数 本篇论文采用的多目标优化测试函数为：SCH、FON、POL、KU
2021-11-02 17:41:33
5282
1
原创 进化计算（四）——NSGA/NSGA II算法详解
NSGA/NSGA II算法理论学习引言为什么引入NSGA算法解决多目标优化问题为什么要引入NSGA II算法NSGANSGA II引言 NSGA系列算法都是基于Pareto解解决多目标优化问题的智能算法。为什么引入NSGA算法解决多目标优化问题 NSGA与基本遗传算法的区别：在选择算子执行之前依据个体间的支配关系进行了分层。选择算子、交叉算子、变异算子与基本遗传算法没有太大差异。通过非支配分层，可以使好的个体有更大的机会遗传到下一代；适应度共享策略则可以使PF上的个体均匀分布，保持了群体多样性，克
2021-10-29 11:06:17
18153
3
原创 进化计算（三）——多目标优化基本概念
多目标优化&简单的遗传算法编程多目标优化基本概念本文参考链接多目标优化基本概念Multi-Objective Optimization:Pareto Front—最优边界:In multi-objective optimization, the Pareto front (also called Pareto frontier or Pareto set) is the set of all Pareto efficient solutions. The concept is widel
2021-10-26 20:55:15
6426
2
原创 进化计算（二）——简单的遗传算法编程（Matlab）
简单的遗传算法编程种群初始化SelectionCopyCrossoverMutationMain 遗传算法的基本步骤：在解决问题之前定义编码方式、种群规模、迭代次数、选择策略、变异概率以及适应度函数等参数。实际编程过程中按步骤分多个子函数展开：基因编码——>种群初始化——>选择——>复制——>交叉重组——>变异——>选择——>···。种群初始化SelectionCopyCrossoverMutationMain...
2021-10-21 22:48:24
1800
原创 进化计算（一）——基本原理&GA&GP
进化计算（一）DefinationKey Concept名词解释基本步骤TSP问题遗传算法（GA）参考链接合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入Defination 进化计算包括遗传算法(Genetic Algorithms)、
2021-10-17 16:51:25
5992
原创 小项目的几个面试问题【PCA/SVM/Resnet50】
面试问题PCA基本原理PCA的劣势SVM问题一：SVM为什么要把原始函数转化为对偶函数？问题二：SVM和逻辑回归有什么区别？Resnet 50——Residual net(残差网络)现存问题核心思想网络结构神经网络问题一：为什么提取特征进行训练，不直接使用原始数据训练？问题二：单层神经网络同样可以通过降低loss完成任务，为什么要使用深层神经网络？Fat+Short v.s. Tall+ThinPCA基本原理 PCA（Principal Component Analysis） 是一种常见的数据分析方
2021-09-11 21:23:06
915
原创 通信工程专业知识点理解
通信保研面试/考研复试知识点（一）卷积频谱混叠栅栏效应截断效应信号、消息及信息傅里叶变换存在的意义失真三大变换之间的关系N点DFT与序列傅里叶变换FT、Z变换的关系AF、IIR、FIR三大编码定理香农公式奈奎斯特采样定理门限效应平稳随机过程三种交换计算机网络五层及七层体系结构卷积 信号与系统课程中，为了表述零状态响应、冲激响应与输入信号的关系，引入了卷积的概念。理想情况下，输入与输出是由系统的冲激响应决定的，即满足 Y(t)=h(t)x(t)Y(t) = h(t)x(t)Y(t)=h(t)x(t)。
2021-09-09 17:22:22
1776
原创 SVM
SVM个人理解综述SVM实现多分类线性可分支持向量机（重要概念是硬间隔）线性支持向量机（重要概念是软间隔与惩罚因子）非线性支持向量机（重点概念是核技巧）综述SVM是一种有监督式的在特征空间上进行的学习（带标签）。根据样本特征数据的特点，又可分为线性可分支持向量机，线性支持向量机以及非线性支持向量机。究其本质都是最小间隔最大化问题。其中，线性可分支持向量机是基础。总体的大致思路都是为了寻找一个超平面y=wx+b将样本特征进行二分类。SVM实现多分类如果想实现多分类有两种方法：一对多（one-versu
2021-05-05 10:52:30
152
原创 TeXLive 2020---TeXstudio的下载、安装、配置[较为详尽]
Latex-MCMTeXLive的下载、安装、配置TeXstudio的下载、安装、配置功能快捷键MCM常用语句如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入TeXLive的下载、安装、配置在TeXLive官网进行下载链接: 官方网址下载步骤：1.点击下图中的av
2021-01-16 10:18:16
9352
3
Matlab的图像分析和图像压缩
2022-03-22
基于MC1496的简易调幅发射机_课设报告
2022-03-22
DSSS和FHSS的simulink仿真
2022-01-11
nsga2的Matlab代码
2021-12-16
MOEA/D的Matlab实现
2021-12-12
学校HCIA实训实习报告
2021-09-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人