<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[jahn1130的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/jahn1130</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; jahn1130]]></copyright><item><title><![CDATA[简单的多目标遗传算法实现]]></title><link>https://blog.youkuaiyun.com/jahn1130/article/details/68931199</link><guid>https://blog.youkuaiyun.com/jahn1130/article/details/68931199</guid><author>jahn1130</author><pubDate>Wed, 09 Oct 2019 16:02:29 +0800</pubDate><description><![CDATA[function MultiGA()

%% 运行此程序之前先安装谢尔菲德遗传算法工具箱。
%% 遗传算法求解多目标优化案例
%% 将原多目标函数改写为f1=(x^2+y^2)/4;f2=x(1-y)+10;
% 运用线性叠加法，F=a*f1(x)+b*f2(x) ,a+b=1
% 总目标函数改写为 f=0.6*(x^2+y^2)/4+0.4*(x*(1-y)+10); 
popse=100...]]></description><category></category></item><item><title><![CDATA[MATLAB中安装c语言编译器方法]]></title><link>https://blog.youkuaiyun.com/jahn1130/article/details/89496310</link><guid>https://blog.youkuaiyun.com/jahn1130/article/details/89496310</guid><author>jahn1130</author><pubDate>Wed, 24 Apr 2019 16:20:58 +0800</pubDate><description><![CDATA[对于MATLAB 的爱好者来讲，由于不能直接对C 语言进行编译是一件十分头痛的事。鉴于此，小编总结了MATLAB 安装免费的
MinGW-w64 C/C++ 编译器方法。
1、首先，在打开MATLAB 软件界面时，右上角有一个mathworks账号的登录，如果已经注册了，就登录账号；如果没有，就去mathworks官网进行注册，然后再登录。
2、在MATLAB 官网下载MinGW-w64 C/C+...]]></description><category></category></item><item><title><![CDATA[MATLAB图像取点操作]]></title><link>https://blog.youkuaiyun.com/jahn1130/article/details/78148322</link><guid>https://blog.youkuaiyun.com/jahn1130/article/details/78148322</guid><author>jahn1130</author><pubDate>Sun, 01 Oct 2017 18:38:17 +0800</pubDate><description><![CDATA[%% 图像取点操作
% 读入图片
y=imread('数据.bmp');
imshow(y)%显示该图 
set(gcf,'outerposition',get(0,'screensize'));%使该图显示最大化，便于取点
 
%利用鼠标取点，按回车键结束。这个时候应顺序点取图中坐标轴 左下，左上，右上，右下四个点。
[x0,y0] = ginput;
%开始撷取其中一条实线上的]]></description><category></category></item><item><title><![CDATA[多目标遗传算法优化]]></title><link>https://blog.youkuaiyun.com/jahn1130/article/details/68931396</link><guid>https://blog.youkuaiyun.com/jahn1130/article/details/68931396</guid><author>jahn1130</author><pubDate>Fri, 31 Mar 2017 20:29:37 +0800</pubDate><description><![CDATA[function MultiGA()
%% 遗传算法求解多目标优化案例
%% 将原多目标函数改写为f1=(x^2+y^2)/4;f2=x(1-y)+10;
% 运用线性叠加法，F=a*f1(x)+b*f2(x)  ,a+b=1
% 总目标函数改写为  f=0.6*(x^2+y^2)/4+0.4*(x*(1-y)+10);  
popse=100;  % 种群数目
maxgen=50; ]]></description><category></category></item><item><title><![CDATA[求解微分方程组的ODE算法]]></title><link>https://blog.youkuaiyun.com/jahn1130/article/details/60139058</link><guid>https://blog.youkuaiyun.com/jahn1130/article/details/60139058</guid><author>jahn1130</author><pubDate>Fri, 03 Mar 2017 13:48:51 +0800</pubDate><description><![CDATA[4阶5级龙格库塔法用于解一阶微分方程（组），对于高阶微分方程，可以将其转换为一阶微分方程组求解。原程序由John.H.Mathews编写（数值方法matlab版），但只能解微分方程，不能解微分方程组。由LiuLiu@uestc修改，使之能够解微分方程组。该程序精度比matlab自带的ode45更高。


function [Rt Rx]=rkf45(f,tspan,ya,m,tol)
% ]]></description><category></category></item><item><title><![CDATA[libsvm 训练后，模型参数详解]]></title><link>https://blog.youkuaiyun.com/jahn1130/article/details/55805933</link><guid>https://blog.youkuaiyun.com/jahn1130/article/details/55805933</guid><author>jahn1130</author><pubDate>Sun, 19 Feb 2017 17:22:23 +0800</pubDate><description><![CDATA[本节主要就是讲解利用libsvm-mat工具箱建立分类（回归模型）后，得到的模型model里面参数的意义，以及如果通过model得到相应模型的表达式，这里主要以分类问题为例子。



测试数据使用的是libsvm-mat自带的heart_scale.mat数据（270*13的一个属性据矩阵，共有270个样本，每个样本有13个属性），方便大家自己测试学习。

首先上一个简短的测试代码：]]></description><category></category></item><item><title><![CDATA[共轭梯度法求解线性方程组]]></title><link>https://blog.youkuaiyun.com/jahn1130/article/details/53491375</link><guid>https://blog.youkuaiyun.com/jahn1130/article/details/53491375</guid><author>jahn1130</author><pubDate>Tue, 06 Dec 2016 19:13:48 +0800</pubDate><description><![CDATA[function [k,x]=Conjugate_gradient(A,b,x0,esp)
%%
 参数说明%
 采用共轭梯度算法求解线性方程组
%
 输入参数%
 A为线性方程组系数矩阵
%
 b为线性方程组值矩阵
%
 x0为给定初值向量
%
 esp为终止误差
%
 输出参数
%
 k为迭代次数
%
 x为线性方程组的解矩阵
%%
 共轭梯度法主程序]]></description><category></category></item></channel></rss>