您现在的位置是：课程
matlab机器学习及其应用教程
2023-09-20 23:09课程 人已围观
本课程无讲解售后，如果学员需要“小猪老师”对其进行讲解、售后或者定制，需要联系本店客服，商议价格
课程全网独家，效果很好，面向研究生，博士生、科研人员。价格公道，有需要的赶快买，
课程试看链接：ke./course/3677776?tuin=6003dcc8&taid=11838892671508048
1-1机器学习概述 3-12遗传算法的经典改进：混沌搜索
1-2机器学习中的发展历史以及算法概览 3-13matlab自带的遗传工具箱的讲解和演示
1-3机器学习的基本结构和功能 3-14粒子群遗传混合优化算法
1-4机器学习算法的雏形：感知机算法 3-15量子遗传算法
1-5感知机的案例和学习算法的“注意点” 3-16什么是旅行商（tsp)问题
1-6简单感知机的matlab仿真 3-17遗传优化tsp问题
1-7回归分析中的变量关系介绍 3-18粒子群优化tsp问题
1-8一元线性回归模型 3-19什么是带时间窗的多回路运输（vrp）问题
1-9多元线性回归模型 3-20遗传优化带时间窗的vrp问题（车辆数固定）
1-10多元线性回归的matlab仿真 3-21遗传优化带时间窗的vrp问题（车辆数优化）
1-11回归拟合和分类的性能评估 3-22什么是车间调度(jsp)问题
1-12性能评估的matlab仿真 3-23遗传优化jsp问题
2-1matlab中常用的数据分析基础函数 3-24什么是01背包问题
2-2中心化、归一化和标准化 3-25遗传优化01背包问题
2-3数据清洗：缺失值处理 3-26粒子群优化01背包问题
2-4数据清洗：异常值处理 3-27蚁群算法
2-5主成分分析（PCA） 3-28蚁群算法的经典改进：蚁群系统
2-6主成分分析的matlab仿真 3-29蚁群算法的经典改进：最大最小蚁群
2-7独立成分分析（ICA） 3-30多目标遗传nsga2算法及其工具箱代码实现
2-8独立成分分析的matlab仿真 3-31多目标遗传nsga2源代码实现
2-9因子分析（FA） 3-32多目标粒子群mopso算法及其源代码实现
2-10因子分析的matlab仿真 3-33多目标算法pareto解的评价指标
2-11蒙特卡洛法抽样（MC） 3-34多目标算法pareto解集的折衷解如何选择
2-12层次分析算法（AHP） 3-35路径问题中的局部搜索算法：2-opt
2-13案例：利用主成分分析（PCA）计算权重打分和排名 4-1bp神经网络原理介绍
2-14熵权法 4-2bp神经网络工具箱代码的实现（matlab自带）
3-1寻优算法基础知识介绍 4-3bp神经网络的源代码实现（非工具箱版本）
3-2梯度下降法 4-4bp神经网络基于IRIS数据集实现分类（自带bp版本）
3-3粒子群算法 4-5Kmeans聚类算法
3-4粒子群算法经典改进：量子粒子群 4-6Kmeans聚类的工具箱和源代码实现
3-5粒子群算法经典改进：离散二进制粒子群 4-7rbf神经网络原理介绍
3-6粒子群算法的经典改进：混沌搜索 4-8rbf神经网络工具箱代码的实现（matlab自带）
3-7matlab自带的粒子群工具箱的讲解和演示 4-9rbf神经网络的源代码实现（基于聚类和LMS）
3-8遗传算法 4-10rbf神经网络的源代码实现（基于梯度下降）
3-9遗传算法的经典改进：自适应交叉和变异概率 4-11支持向量机svm原理介绍
3-10遗传算法的经典改进：改进轮盘赌 4-12基于libsvm工具包的代码实现
3-11遗传算法的经典改进：混沌初始化种群 4-13支持向量机分类的源代码实现（非工具包）
4-14遗传优化bp神经网络权值阈值
4-15粒子群优化bp神经网络权值阈值
4-16遗传优化svm的c和g（分类和回归）
4-17粒子群优化svm的c和g（分类和回归）
4-18遗传优化基于梯度下降的rbf神经网络权值扩展因子中心矢量
4-19粒子群优化基于梯度下降的rbf神经网络权值扩展因子中心矢量
4-20 遗传优化svm的输入参数使得输出最优
4-21 粒子群优化svm的输入参数使得输出最优
4-22 遗传优化bp的输入参数使得输出最优
4-23 粒子群优化bp的输入参数使得输出最优
4-24遗传算法基于bp神经网络进行特征选择
4-25遗传算法基于svm支持向量机进行特征选择
4-26粒子群算法基于bp神经网络进行特征选择
4-27粒子群算法基于svm支持向量机进行特征选择
