matlab中频谱与功率谱密度代码蓝鲸移民 该存储库包含生成与手稿相关的分析和图形所必需的代码和数据， “基于动物的度量能够对分散的迁移进行声学检测” （当前正在提交中）。 原稿作者：威廉·奥斯特雷希（William K. Oestreich），詹姆斯·A·法布尔什（James A. Fahlbush），大卫·卡德（David E. Cade），约翰·卡兰博基迪斯（John Calambokidis），特蒂亚娜·马戈利娜（Tetyana Margolina），约翰·约瑟夫（John Joseph），阿里·弗里德兰德（Ari S.Friedlaender），梅根·麦克肯纳（Megan F. Goldbogen和John P. Ryan。 该存储库的组织方式如下： 主目录：所有脚本和其他文件（例如，CA中央海岸的.shp文件）。 子目录“ tag_data”：所有与标签相关的数据 鲸鱼标签图像 来自各个标签部署的数据 分析/汇总的标签数据。 子目录“ acoustic_data”：所有声学数据 MBARI的MARS水听器的每日功率谱密度 8月-12月（蓝鲸高峰演唱季）每日平均频谱水平分别为

详细介绍了蓝鲸智云4.X的安装教程，包括非标准私有地址的安装

[虎书]现代编译原理C语言描述-[龙书]编译原理(原书第2版).[中文版]-[鲸书][高级编译器设计与实现](Steven.S.Muchnic，三本书打包下载。

Maltlab鲸鱼算法求解带时间窗的路径路径优化问题源码，解析详细

【预测模型】基于鲸鱼算法优化最小二乘支持向量机lssvm实现预测matlab源码.zip

【布局优化】基于鲸鱼算法实现3D无线传感器网(WSN)覆盖优化 Matlab源码

提出了两种约束的多目标元启发式方法。 1）基于成功历史的自适应多目标差分进化算法（SHAMODE）是基于成功历史的自适应多变量进化算法（SHADE）的改进多目标版本，它集成了改进的自适应策略和非支配排序算法。 2）基于成功历史的鲸鱼优化自适应多目标差分进化算法（SHAMODE-WO）是基于成功历史的自适应差分进化算法（SHADE）的改进多目标版本，它集成了改进的自适应策略，非支配排序算法和其他功能。鲸鱼优化算法（WOA）中的种群更新运算符。 该算法发布在： Panagant，N.，Bureerat，S.，＆Tai，K.（2019年）。 一种新颖的自适应混合多目标元启发式结构桁架的可靠性设计，同时具有拓扑，形状和尺寸优化设计变量。 结构和多学科优化，60（5），1937-1955。 DOI： https ： //doi.org/10.1007/s00158-019-02302-x

《鲸》教学设计.doc

该压缩包：为鲸鱼算法提出者原文PDF，交流学习（储存）~

【预测模型】基于鲸鱼算法优化卷积神经网络CNN预测matlab源码.zip