資源簡介
matlab常用代碼大全,幫助你科研,論文實證分析,數模競賽
第44章 層次分析法
第45章 灰色關聯度
第46章 熵權法
第47章 主成分分析
第48章 主成分回歸
第49章 偏最小二乘
第50章 逐步回歸分析
第51章 模擬退火
第52章 RBF,GRNN,PNN-神經網絡
第53章 競爭神經網絡與SOM神經網絡
第54章 蟻群算法tsp求解
第55章 灰色預測GM1-1
第56章 模糊綜合評價
第57章 交叉驗證神經網絡
第58章 多項式擬合 plotfit
第59章 非線性擬合 lsqcurefit
第60章 kmeans聚類
第61章 FCM聚類
第62章 arima時間序列
第63章 topsis
第1章 BP神經網絡的數據分類——語音特征信號分類
第2章 BP神經網絡的非線性系統建模——非線性函數擬合
第3章 遺傳算法優化BP神經網絡——非線性函數擬合
第4章 神經網絡遺傳算法函數極值尋優——非線性函數極值尋優
第5章 基于BP_Adaboost的強分類器設計——公司財務預警建模
第6章 PID神經元網絡解耦控制算法——多變量系統控制
第7章 RBF網絡的回歸--非線性函數回歸的實現
第8章 GRNN網絡的預測----基于廣義回歸神經網絡的貨運量預測
第9章 離散Hopfield神經網絡的聯想記憶——數字識別
第10章 離散Hopfield神經網絡的分類——高校科研能力評價
第11章 連續Hopfield神經網絡的優化——旅行商問題優化計算
第12章 初始SVM分類與回歸
第13章 LIBSVM參數實例詳解
第14章 基于SVM的數據分類預測——意大利葡萄酒種類識別
第15章 SVM的參數優化——如何更好的提升分類器的性能
第16章 基于SVM的回歸預測分析——上證指數開盤指數預測.
第17章 基于SVM的信息粒化時序回歸預測——上證指數開盤指數變化趨勢和變化空間預測
第18章 基于SVM的圖像分割-真彩色圖像分割
第19章 基于SVM的手寫字體識別
第20章 LIBSVM-FarutoUltimate工具箱及GUI版本介紹與使用
第21章 自組織競爭網絡在模式分類中的應用—患者癌癥發病預測
第22章 SOM神經網絡的數據分類--柴油機故障診斷
第23章 Elman神經網絡的數據預測----電力負荷預測模型研究
第24章 概率神經網絡的分類預測--基于PNN的變壓器故障診斷
第25章 基于MIV的神經網絡變量篩選----基于BP神經網絡的變量篩選
第26章 LVQ神經網絡的分類——乳腺腫瘤診斷
第27章 LVQ神經網絡的預測——人臉朝向識別
第28章 決策樹分類器的應用研究——乳腺癌診斷
第29章 極限學習機在回歸擬合及分類問題中的應用研究——對比實驗
第30章 基于隨機森林思想的組合分類器設計——乳腺癌診斷
第31章 思維進化算法優化BP神經網絡——非線性函數擬合
第32章 小波神經網絡的時間序列預測——短時交通流量預測
第33章 模糊神經網絡的預測算法——嘉陵江水質評價
第34章 廣義神經網絡的聚類算法——網絡入侵聚類
第35章 粒子群優化算法的尋優算法——非線性函數極值尋優
第36章 遺傳算法優化計算——建模自變量降維
第37章 基于灰色神經網絡的預測算法研究——訂單需求預測
第38章 基于Kohonen網絡的聚類算法——網絡入侵聚類
第39章 神經網絡GUI的實現——基于GUI的神經網絡擬合、模式識別、聚類
第40章 動態神經網絡時間序列預測研究——基于MATLAB的NARX實現
第41章 定制神經網絡的實現——神經網絡的個性化建模與仿真
第42章 并行運算與神經網絡——基于CPU/GPU的并行神經網絡運算
第43章 神經網絡高效編程技巧——基于MATLAB R2012b新版本特性的探討
代碼片段和文件信息
clc;clear
A=[1 ?1/5 1 ?1/5 ?1/6 ?1/6
5 1 5 ?1/2 ?1/2 ?1/2
2 ?1/5 1 ?1/4 ?1/6 ?1/4
5 ?1/2 4 1 ?1/2 ?1/2
6 2 6 2 1 1
6 2 4 2 1 1
]
[nn]=size(A);
[VD]=eig(A);%求得特征向量和特征值
????????????%求出最大特征值和它所對應的特征向量
tempNum=D(11);
pos=1;
for?h=1:n
????if?D(hh)>tempNum
????????tempNum=D(hh);
????????pos=h;
????end
end????
w=abs(V(:pos));
w=w/sum(w);
t=D(pospos);
disp(‘準則層特征向量w=‘);disp(w);disp(‘準則層最大特征根t=‘);disp(t);
?????????%以下是一致性檢驗
CI=(t-n)/(n-1);RI=[0?0?0.58?0.89?1.12?1.26?1.36?1.41?1.46?1.49?1.52?1.54?1.56?1.58?1.59?1.60?1.61?1.615?1.62?1.63];
CR=CI/RI(n);
if?CR<0.10
????disp(‘此矩陣的一致性可以接受!‘);
????disp(‘CI=‘);disp(CI);
????disp(‘CR=‘);disp(CR);
else?disp(‘此矩陣的一致性驗證失敗,請重新進行評分!‘);
end
?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件???????5766??2008-03-01?21:54??mohu.m
-----------?---------??----------?-----??----
?????????????????5766????????????????????1
評論
共有 條評論