海鸥优化算法SOA优化BP神经网络权值和阈值建立多分类和二分类模型（matlab语言实现）,海鸥优化算法SOA在Matlab中的分类模型建立与权值阈值优化：多分类与二分类应用的详细教程及效果图展示,海

前后端分离_vue-express-mongodb.zip

核极限学习机及其在线序贯变体在数据预测中的实验研究与MATLAB实现,核极限学习机与在线序贯核极限学习方法在数据预测中的应用：实验结果比对与对比分析,基于核极限学习机KELM、在线顺序极限学习机OS-ELM、在线贯序核极限学习机OSKELM、遗忘因子的在线贯列核极限学习F-OSKELM和自适应遗忘因子的在线贯列核极限学习AF-OSKELM数据预测，下图为5种方法在matlab平台上的实验结果。,核极限学习机KELM;在线顺序极限学习机OS-ELM;在线贯序核极限学习OSKELM;遗忘因子在线预测;自适应遗忘因子在线预测。,基于多版本核极限学习机算法的数据预测研究：MATLAB实验结果分析

电力系统静态与暂态稳定性分析：Matlab编程实现与Simulink仿真研究,电力系统静暂态稳定性分析与Matlab编程Simulink仿真探究。,电力系统静 暂态稳定性Matlab编程 Simulink仿真一、静态稳定性:小信号分析法，研究单机无穷大系统在小信号扰动下的静态稳定性1.用Matlab编程，把转子运动方程（摇摆方程）在运行点处线性化，采用小扰动分析法，对线性化之后状态方程的系数矩阵求解特征值，通过特征值的特点来判断系统稳定性。2.用simulink搭建搭建单机无穷大系统，对其静态稳定性进行仿真分析。二、暂态稳定性:单机无穷大系统发生各类（三相短路，单相接地，两相接地，两相相间短路）等短路故障，各类（单相断线，两相断线，三相断线）等断线故障，暂态稳定仿真分析1.Matlab编程进行数值分析（采用欧拉法Euler，改进欧拉法improve Euler，4阶龙格库塔法Runger-Kutta），计算故障后发电机功角-时间曲线，电机转速-时间曲线，临界切除角和临界切除时间2. Simulink搭建电力系统暂态仿真模型通过仿真，观察串联电抗器，并联补偿器，自动重

乌燕鸥算法SAOT优化随机森林的Matlab分类预测建模程序注：包含二分类与多分类预测，可生成分类预测图、迭代优化图等。,乌燕鸥算法SAOT优化的随机森林分类预测建模程序（含详细注释、分类预测图、迭代优化图等）,乌燕鸥算法SAOT优化随机森林做二分类和多分类预测建模。程序内注释详细直接替数据就可以使用。程序语言为matlab。程序直接运行可以出分类预测图，迭代优化图，特征重要性排序图，混淆矩阵图。想要的加好友我吧。PS:以下效果图为测试数据的效果图，主要目的是为了显示程序运行可以出的结果图，具体分类效果以个人的具体数据为准。2.由于每个人的数据都是独一无二的，因此无法做到可以任何人的数据直接替就可以得到自己满意的效果。3.拿后程序后可以无偿帮忙替数据，无原理讲解。4.只拿后单个程序的不议价，两个及以上可接受议价。,核心关键词：1. 乌燕鸥算法2. SAOT优化3. 随机森林4. 二分类预测建模5. 多分类预测建模6. 程序内注释7. MATLAB程序语言8. 分类预测图9. 迭代优化图10. 特征重要性排序图11. 混淆矩阵图,基于乌燕鸥算

源码更新日志： 版本号：Applet游戏盒1.1.9 Applet前端后端 模块/ applet更新动态： 版本号：1.2.0 – 游戏 修复数据库显示界面问题 版本号：1.1.1 – 游戏 修复了获取数据域名接口的问题 版本号：1.1.0 – 游戏 更新的数据无法显示问题

MATLAB拓扑MPEC双层规划算法：探索最优微网运营策略与电价耦合求解,MATLAB实现带拓扑MPEC双层规划：Lindistflow与微网优化在IEEE 33bus系统中的探索,MATLAB代码：全网唯一带拓扑MPEC，微网双层规划关键词：双层规划 MPEC VPP ADN lindistflow KKT参考文档：《Bi-Level Programming for Optimal Operation of an Active Distribution Network With Multiple Virtual Power Plants》2020 SCI一区 IEEE Transactions on Sustainable Energy, 半完美复现仿真平台：MATLAB YALMIP GUROBI CPLEX MOSEK主要内容: 1.半完美复现，没考虑Q，使用IEEE33 bus作为case，全网唯一带拓扑的MPEC；2.使用solvebilevel函数求解上下层KKT，同时求解出耦合电价以及释放功率3.上层为 Lindistflow，下层为三个微网，分别放置在33

视觉SLAM之VINS-Mono详解：紧耦合VIO状态估计、环境配置、运行文档及思维导图附开源ROS数据包,视觉SLAM之VINS-Mono：基于紧耦合的VIO状态估计的实用解决方案，附安装配置、编译运行文档及中文注释代码与思维导图,视觉SLAM之VINS-Mono ， VINS-Mono是基于紧耦合的VIO状态估计，也是近年来较为成熟且可落地的视觉SLAM解决方案，本提供：安装环境配置文档及编译运行文档，附带可测试的开源ROS数据包, 代码主干部分带有中文注释，并提供大框架梳理的思维导图。,VINS-Mono; 紧耦合VIO状态估计; 视觉SLAM解决方案; 安装环境配置; 编译运行文档; 开源ROS数据包; 中文注释; 大框架梳理思维导图。,《VINS-Mono视觉SLAM方案：紧耦合VIO状态估计与实现指南》

基于PSO-ELM算法的优化与数据预测模型研究,粒子群优化算法提升极限学习机（ELM）预测模型的精度与泛化性能,粒子群优化极限学习机PSOELM做数据预测PSO-ELM优化算法预测模型。ELM模型在训练之前可以随机产生ω和b, 只需要确定隐含层神经元个数及隐含层神经元激活函数, 即可实现ELM预测模型的构建。在ELM模型的构建中, 只需确定初始ω和b, 而无需复杂的参数设置, 具有学习速度快、泛化性能好等优点。然而在发动机参数预测过程中, 不同的参数设置, 对预测模型的准确度起着一定程度的影响。此时, 如果通过简单的随机选取初始化参数方法来构建极限学习机模型, 在一定程度上存在着模型构建中隐含层节点冗余等缺点, 这在一定程度上阻碍了ELM模型的精确性。因此, 在构建EGTM数据预测模型的过程中, 可通过PSO算法寻优确定模型的最佳参数, 以保证ELM模型的准确性。matlab程序，可做功率预测数据预测，程序注释详细方便阅读，可替自己的数据做预测，预测结果准确。,PSO; ELM模型; 参数优化; 预测模型; 泛化性能; 发动机参数预测; PSO-ELM算法; 随机初始化

wvp-GB28181-pro：开箱即用的网络视频平台。基于 GB28181 标准实现的网络视频平台，能够接入摄像机、平台、NVR 等设备、支持视频预览、云台控制、录像查询和回放、无人观看自动断流等功能。WEB VIDEO PLATFORM是一个基于GB28181-2016标准实现的开箱即用的网络视频平台，负责实现核心信令与设备管理后台部分，支持NAT穿透，支持海康、大华、宇视等品牌的IPC、NVR接入。支持国标级联，支持将不带国标功能的摄像机/直播流/直播推流转发到其他国标平台。应用场景：支持浏览器无插件播放摄像头视频。支持摄像机、平台、NVR等设备接入。 支持国标级

Qt6.5.0MySQL驱动文件已编译版本，直接拿来拷贝进驱动文件夹就能用。不需要繁琐的编译过程。下面为资源文件树状图。├─mingw_64QMySQL驱动文件│ qsqlmysql.debug│ qsqlmysql.dll│├─msvc2019_64QMySQL驱动文件│ qsqlmysql.dll│ qsqlmysql.exp│ qsqlmysql.lib│ qsqlmysql.pdb│ qsqlmysqld.dll│ qsqlmysqld.exp│ qsqlmysqld.lib│ qsqlmysqld.pdb│└─MySQL_lib文件 libmysql.dll libmysql.lib

在输入表单数据的时候上移表单，防止表单被弹出的键盘遮挡。

android-2.2-src.zipandroid-2.2-src.zip