搜索资源列表
牛顿法的程序实现
牛顿法的程序实现: 给的函数是f(x)=X*X-C 求导函数为ff() 也是在程序中已给定 若要修改则在程序中更改
newton
- 牛顿下山算法，给出了实例，求导数时自己把公式输入，希望有人能改变能自动求解导数，可以联系我。
数值求导
- VB.6的环境下一阶、二阶、三阶和四阶导数的数值算法
newton
- 牛顿下山算法，给出了实例，求导数时自己把公式输入，希望有人能改变能自动求解导数，可以联系我。-Newton downhill algorithm, given examples, and derivatives of the formula when their own input, hope someone can change automatically solve the derivative, you can contact m
edgedetection2003
- 数字图像的边缘检测 本科毕业设计（边缘检测是数字图像处理中的重要内容。本文首先对图像的边缘检测的各种算法和算子做了总结和分析。Canny最早提出了边缘检测的三条连续准则:最优检测结果、最优定位和低重复响应,并在这些准则的基础上得到了“最优线性滤波器”―高斯函数的一阶导数。经过十几年的发展,目前已经有了对这个准则的很多改进,本文也对这个方面的工作做了小结。Demigny在理论分析和实践的基础上给出了边缘检测的离散准则,并且证明在离散准
SimplicityAlgorithm
- 求多维函数极值的一种算法，由Nelder和Mead提出，又叫单纯形算法，但和线性规划中的单纯形算法是不同的，由于未利用任何求导运算，算法比较简单，但收敛速度较慢，适合变元数不是很多的方程求极值-Multi-dimensional function extremum seeking an algorithm proposed by Nelder and Mead, also called the simplex algorithm, bu
Matlab
- Matlab数值微分的程序，包含下面所列多种微分算法。 MidPoint 中点公式求取导数 ThreePoint 三点法求函数的导数 FivePoint 五点法求函数的导数 DiffBSample 三次样条法求函数的导数 SmartDF 自适应法求函数的导数 CISimpson 辛普森数值微分法法求函数的导数-Matlab numerical differentiation procedure, includin
shizhiweifen
- matlab中的数值微分，有用中点公式，自适应法，理查森外推算法等方法求函数的导数，算法的程序实现在文件中都已经给出了。-in the numerical differentiation matlab, useful midpoint formula, adaptive method, Richardson extrapolation methods such as France seek the derivative of the f
canny
- 最优的阶梯型边缘检测算法(canny边缘检测) 1.Canny边缘检测基本原理 (1)图象边缘检测必须满足两个条件：一能有效地抑制噪声；二必须尽量精确确定边缘的位置。 (2)根据对信噪比与定位乘积进行测度，得到最优化逼近算子。这就是Canny边缘检测算子。 (3)类似与Marr（LoG）边缘检测方法，也属于先平滑后求导数的方法。 2.Canny边缘检测算法： step1:用高斯滤波器平滑图象；
Conjugate-gradient
- 共轭梯度法是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。-Conjugate gradient method is between the steepest descent method and Newton method between a
Newton
- 共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。 在各种优化算法中，共轭梯度法是非常重要的一种。其优点是所需存储量小，具有步收敛性，稳定性高，而且不需要任何外来参数。-Conjugate Gra
gongetidufadshuzhixingzhi
- 共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。 在各种优化算法中，共轭梯度法是非常重要的一种。其优点是所需存储量小，具有步收敛性，稳定性高，而且不需要任何外来参数-Conjugate Grad
Conjugate-Gradient-Method
- 共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。-Conjugate gradient method (Conjugate Gradient) between the steepest desc
conjugateGradient
- 共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。-failed to translate
conjgradmethod
- 共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。这里给出共轭梯度法的源程序-Conjugate gradient method (Conjugate Gradient) is between t
DERIVATIVE-CALCULATION-
- 利用Matlab内建的快速傅氏变换函数可以方便地在波数域计算重磁异常导数。介绍了基于Matlab语言的波数域求导的算法，给出了程序源代码，讨论了一些有助于提高计算精度的编程技巧。通过模型试验和数据分析， 发现在计算垂向导数时波数域求导算法的精度比傅氏级数的精度有明显改善；而水平导数的计算，2种方法的精度相当。在某区钾盐勘探中，用该方法处理高精度重力剖面数据，取得了较好效果。-It is convenient to calculate
Levenberg-Marquardt
- Levenberg-Marquardt算法是最优化算法中的一种。最优化是寻找使得函数值最小的参数向量。根据求导数的方法.-Levenberg-Marquardt algorithm is an optimization algorithm. Makes optimization is to find the minimum value of the parameter vector function. Method according
Kirsch算子matlab实现
- Kirsch算子实现起来相对来说稍微麻烦一些，它采用8个模板对图像上的每一个像素点进行卷积求导数，这8个模板代表8个方向，对图像上的8个特定边缘方向作出最大响应，运算中取最大值作为图像的边缘输出（上述算法中用到的8个模板在下面的实现代码中给出）。为了便于读者理解该算法的实现，这里我们给出实现该算法的函数代码，可以稍加改动应用到自己的项目中去。
MVEE
- d维空间中N个点，求这些点的最小体积覆盖椭球。 算法：针对其对偶问题，采用Franke-Wolfe序列线性逼近策略，逐次求得最优乘子，进而求出椭球的相关参数，又称Khachiyan一阶导数算法。 适用范围：中小规模数据集-Minimum Volume Enclosing Ellipsoid； MVEE
rar
- powell算法设计 鲍威尔法又称方向加速法，它由Powell于1964年提出，是利用共轭方向可以加快收敛速度的性质形成的一种搜索方法。该方法不需要对目标函数进行求导，当目标函数的导数不连续的时候也能应用，因此，鲍威尔算法是一种十分有效的直接搜索法。 Powell法可用于求解一般无约束优化问题，对于维数n<20的目标函数求优化问题，此法可获得较满意的结果。 不同于其他的直接法，Powell法有一套完整的理论体系，故其计算效率