TOPSIS熵值法R代码优化

熵值法MATLAB代码优化（optWBoundEigenval）有界特征值的优化 作者：亚当·桑德勒 日期：1/28/21 主要步骤和文件说明： 配置适当的参数文件（/params/中的示例）。 使用参数文件作为输入，运行main.py。 /文件夹/params/包含以下内容： asymmetric_valley.py：非对称谷优化器（经过修改）。 cifar100_data.py：CIFAR-100数据的加载器。 cifar10_data.py：CIFAR-10数据的加载器。 cmd.py：用于GPU跟踪（来自）。 cov_shift_acc_comp.R：比较精度斜率与协变量平移的L1-范数。 cov_shift_plots.R：生成精度与协变量平移的L1-范数的关系图。 cov_shift_test.py：协变量平移特征的测试模型。 dcnn.py：修改后的数据加载器和神经网络（NN），用于胸部X射线数据。 dnet.py：修改后的DenseNet实现。 densitynet.py：DenseNet的实现（来自）。 forest_data.py：森林覆盖类型数据加载器和模型。

这是一个用于2- / 3-D无网格模拟的基于单元的最大熵（CME）近似值的MATLAB代码，允许用户生成CME近似值并将其存储在文件中，以便后续导入到他们的仿真软件中。版本cme-1.0.0的入门只需克隆或下载此存储库，然后使用MATLAB执行run_main.m脚本。先决条件是MATLAB v2016a或更高版本。如果您发现此软件对您有帮助，请考虑引用以下期刊文章：Mountris等人在Int J Numer方法工程上的研究。该项目已根据GNU通用公共许可证v3授权。有关详细信息，请参阅文件捐献。感谢您的支持！

基于保守值法的Matlab代码paraphrase_clustering此存储库包含用于按词义聚类释义的代码。如果您基于此代码或在工作中使用它，请引用以下文章： @ article { CocosAndCallisonBurch - 2016 : NAACL : ParaphraseClustering , author = { Anne Cocos and Chris Callison - Burch }, title = { Clustering Paraphrases by Word Sense }, booktitle = { Proceedings of the 15 th Annual Conference of the North American Chapter of the Association for Computational Linguistics : Human Language Technologies ( NAACL 2016 )}, month = { June }, year = { 2016 }, address = { 圣迭戈，加利福尼亚州 }。

熵值法优化TOPSIS计算公式，提出改进熵权TOPSIS法，结合定性定量因素对电力营销服务进行评价，验证了该方法的实用性。

保守值法Matlab代码存储库HCTSA，专为高度比较的时序分析设计。HCTSA是一个功能强大的软件包，支持R2014b及更高版本，也可用于Python。该软件框架提供了从时间序列中提取成千上万的分析功能，包括数据规范化、聚类、低维数据表示工具等，能够识别不同时间序列类别的特征，支持多元分类模型学习，并提供多种可视化和分析功能。详细的HCTSA文档可在线阅读或下载为PDF、EPUB或MOBI格式。

保守值法MATLAB代码分析基于Atchison等人的科学论文结果和脚本。我们利用Latent Dirichlet Allocation分析10,051个R包和27,000个开源MATLAB模块的源代码，探索科学计算的关键视角。我们的方法识别了通用的编程概念，并专注于科学和高性能计算应用程序的特定概念。文档熵和主题均匀性评分直接比较了这些主题。这项研究是首个关注统计计算软件的同类研究，为未来的工作奠定了基础，将快速增长的代码库与其他软件领域和存储库进行对比。

本包含两个文件：运行主文件和熵权TOPSIS函数。运行主文件可从我的个人主页文章中获取详细说明。函数中附有代码注释。我认为熵权TOPSIS是一种相对简单的多准则决策方法。

保守值法MATLAB代码牛顿熵优化（NEO）ICA利用二阶优化实现大规模Infomax-ICA。二次收敛采用截断牛顿（又称无黑森州）优化，以提供更快、更优的收敛速度，且存储成本与常规梯度下降方法相当。自适应小批量策略利用近似似然的梯度/ Hessian向量乘积方差，动态调整迭代中的最小批量大小。该算法通过BLAS、OpenMP和SSE内部函数为CPU实现快速执行，同时支持C ++、Python和MATLAB多语言环境。轻便便携，能够在GCC 4.8+和MSVC 2015编译环境下运行，MATLAB绑定无需额外依赖（直接链接到MATLAB的BLAS / LAPACK），Python绑定仅需Numpy（链接到Numpy使用的BLAS / LAPACK）。C ++库只需BLAS / LAPACK。

方法概述 该方法融合信息熵和TOPSIS法进行综合评价。首先，利用信息熵计算指标权重，客观反映指标信息量；随后，应用TOPSIS法，基于指标权重计算综合得分，对评价对象进行排序。 步骤 数据标准化处理 计算信息熵 确定指标权重 计算各方案与理想解的距离 计算综合得分 排序 优势 客观性：权重由数据自身决定，避免主观因素影响 综合性：考虑指标信息量和方案与理想解的距离 可操作性：步骤清晰，易于实现