实例介绍
【实例简介】
首先通过对多尺度排列熵算法的参数时间序列长度 N、嵌入维数 m、延迟时间 t 和尺度因子 s 进行研究，得出对其参数优化的必要性。进而在综合考虑参数影响的 基础上，以多尺度排列熵的偏度构造目标函数，利用遗传算法(GA)、粒子群优化算法(PSO)对多尺度排列熵算法(MPE)的参数进行寻优，得到最优参数。
【实例截图】
【核心代码】
16359647998069096662.rar
└── 参数优化多尺度排列熵
├── GA-MPE
│ ├── Bp.mat
│ ├── Coding.m
│ ├── crossover.m
│ ├── Fitness.m
│ ├── Incoding.m
│ ├── InitPop.m
│ ├── Main_GA_MPE.m
│ ├── MultiscalePermutationEntropy.m
│ ├── Select.m
│ └── Variation.m
├── PSO-MPE
│ ├── Bp.mat
│ ├── fitness.m
│ ├── Main_PSO_MPE.m
│ └── MultiscalePermutationEntropy.m
└── 参数对多尺度排列熵的影响(画图程序)
├── Bp.mat
├── MPE_main.m
├── MultiscalePermutationEntropy.m
├── 图2a.bmp
├── 图2b.bmp
├── 图2c.bmp
├── 图2d.bmp
├── 图2e.bmp
├── 图2f.bmp
├── 图3.bmp
└── 图4.bmp
4 directories, 25 files
首先通过对多尺度排列熵算法的参数时间序列长度 N、嵌入维数 m、延迟时间 t 和尺度因子 s 进行研究，得出对其参数优化的必要性。进而在综合考虑参数影响的 基础上，以多尺度排列熵的偏度构造目标函数，利用遗传算法(GA)、粒子群优化算法(PSO)对多尺度排列熵算法(MPE)的参数进行寻优，得到最优参数。
【实例截图】
【核心代码】
16359647998069096662.rar
└── 参数优化多尺度排列熵
├── GA-MPE
│ ├── Bp.mat
│ ├── Coding.m
│ ├── crossover.m
│ ├── Fitness.m
│ ├── Incoding.m
│ ├── InitPop.m
│ ├── Main_GA_MPE.m
│ ├── MultiscalePermutationEntropy.m
│ ├── Select.m
│ └── Variation.m
├── PSO-MPE
│ ├── Bp.mat
│ ├── fitness.m
│ ├── Main_PSO_MPE.m
│ └── MultiscalePermutationEntropy.m
└── 参数对多尺度排列熵的影响(画图程序)
├── Bp.mat
├── MPE_main.m
├── MultiscalePermutationEntropy.m
├── 图2a.bmp
├── 图2b.bmp
├── 图2c.bmp
├── 图2d.bmp
├── 图2e.bmp
├── 图2f.bmp
├── 图3.bmp
└── 图4.bmp
4 directories, 25 files
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论