独家发布! 10个2024年新算法跑10个测试集!

前言:独家发布! 10个2024年新算法跑10个测试集!每个算法都是独立.m文件,高效管理,所有结果均可一键运行自动保存,可用于算法对比、学习、改进等等,趁现在知道的人少,先用先发,可定制改进算法和各种应用。

一、10个2024年新算法介绍

1.苦鱼优化算法(Bitterling Fish Optimization,BFO)

摘要:苦鱼是自然界中为了生存而表现出智能行为的典型例子。苦鱼用牡蛎产卵的策略作为它们的保姆。雌苦鱼会寻找比其他鱼更强壮的雄鱼来寻找合适的伴侣。为了解决寻优问题,基于苦鱼的交配行为,建立了苦鱼寻优(BFO)算法。通过在多个基准函数上的实验和实现,与灰狼优化算法、鲸鱼优化算法、蝴蝶优化算法、哈里斯鹰优化算法和黑寡妇优化算法相比,苦鱼优化算法的寻优精度更高。元启发式技术在数据挖掘和机器学习两个领域的应用非常广泛。在实验中,使用MLP人工神经网络和BFO算法的二进制版本来降低对入侵流量的检测误差。在NSL KDD数据集上进行实验,所提方法对网络入侵检测的准确率、精确率和敏感性指标分别达到99.14%、98.87%和98.85%。与NNIA、DT、RF、XGBoot、CNN等机器学习方法相比,该方法检测入侵的准确率更高。在UNSW-NB15数据集上使用BFO算法进行特征选择,实验结果表明,该方法在该数据集上的准确率达到96.72%。将BFO算法提出的方法用于改进Kmeans聚类,在covid 19、糖尿病和肾脏疾病数据集上的测试表明,所提方法的性能优于iECA*、ECA*、GENCLUST + + (g++)方法。

参考文献:Bitterling fish optimization (BFO) algorithm

Doi:10.1007/s11042-024-18579-0

2.冠豪猪优化器(Crested Porcupine Optimizer, CPO)

摘要:受冠豪猪(crest Porcupine, CP)的各种防御行为启发,提出了一种新的基于自然启发的元启发式算法——冠豪猪优化算法(Crested Porcupine Optimizer, CPO),用于精确优化各种优化问题,特别是大规模优化问题。从最不具攻击性到最具攻击性,冠豪猪有四种不同的保护机制:视觉、声音、气味和身体攻击。第一和第二防御技术(视觉和声音)反映了CPO的探索性行为,第三和第四防御策略(气味和物理攻击)反映了CPO的利用性行为。该算法提出了一种新的策略,称为循环种群减少技术,以模拟不是所有CPs都激活防御机制,而是只有受到威胁的CPs才激活防御机制。该策略提高了收敛速度和种群多样性。使用CEC2014、CEC2017和CEC2020 3个CEC基准测试函数对CPO进行验证,并将其结果与3类现有优化算法进行比较,结果如下:(i)被引用率最高的优化算法,包括灰狼优化算法(GWO)、鲸鱼优化算法(WOA)、差分进化算法(differential evolution)和樽海鞘算法(SSA);(ii)最近发表的算法,包括基于梯度的优化器(GBO),非洲秃鹫优化算法(AVOA), Runge Kutta方法(RUN),平衡优化器(EO),人工大猩猩部队优化器(GTO)和黏液霉菌算法(SMA);(iii)高性能优化器,如SHADE、LSHADE、al SHADE、LSHADE- cnepsin和LSHADE- spacma。统计分析结果表明,在3个CEC测试函数上,与其他优化算法相比,CPO算法在大多数测试函数上具有明显的优势,可以被提名为一种高性能的优化算法。定量分析表明,对于CEC2017、CEC2017、CEC2020和6个实际工程问题,CPO的性能提升率分别高达83%、70%、90%和100%。

参考文献:Crested Porcupine Optimizer: A new nature-inspired metaheuristic

Doi:10.1016/j.knosys.2023.111257

3.美洲狮优化器(Puma optimizer,Puma)

摘要:优化技术,特别是元启发式算法,在优化和提高不同模型和系统的效率方面非常有效,以能够在合理的时间框架内获得最优或接近最优的解决方案而闻名。本文提出了一种新的优化算法——美洲狮优化器。该算法在探索和开发的每个阶段都提出了独特而强大的机制,提高了算法对各种优化问题的性能。此外,还提出了一种新型的智能机制,即相变超启发式机制。利用该机制,该算法可以在优化运行过程中进行阶段转换操作,从而平衡两个阶段的优劣。每个阶段都会自动调整以适应问题的性质。为评估所提算法,使用23个标准函数和CEC2019函数,并与不同类型的优化算法进行比较。此外,还讨论了采用统计检验t检验来解决该问题的执行时间。最后,用4个机器学习和数据挖掘问题对算法进行了测试,结果表明,与其他优化算法相比,该算法在各种问题上都具有较好的性能。该算法在33个基准测试中有27个测试结果优于对比算法,在10个数据集中有7个数据集的聚类结果优于对比算法。此外,在社区发现和特征选择问题以及MLP问题上得到的结果也更优。

参考文献:Puma optimizer (PO): a novel metaheuristic optimization algorithm and its application in machine learning

Doi:10.1007/s10586-023-04221-5

4.鹅算法(GOOSE algorithm,GOOSE)

摘要:基于GOOSE在休息和觅食过程中的行为特征,提出了一种新的元启发式算法—GOOSE算法。母鹅单腿站立,保持平衡,以保护和保护鸟群中的其他个体。将GOOSE算法与遗传算法(GA)、粒子群算法(PSO)、dragonfy算法(DA)、FDO算法(FDO)在19个著名的基准测试函数上进行对比研究。此外,将所提算法在10个现代基准函数上进行测试,并将所得结果与dragonfy算法、鲸鱼优化算法(WOA)、樽海鞘群算法(SSA)等3种最新算法进行对比。将GOOSE算法在5个经典基准函数上进行测试,并与FDO、FOX、butterfy优化算法(BOA)、whale优化算法、dragonfy算法、chimp优化算法(ChOA)等6种算法进行对比。实验结果表明,与其他算法相比,所提算法具有更好的性能。该技术随后被用于优化焊接梁设计和经济负载分配问题,压力容器设计问题,以及神经系统中的病态IgG分数,四个著名的现实挑战。工程案例研究的结果表明,所建议的方法可以很好地优化现实世界中出现的问题。

参考文献:GOOSE algorithm: a powerful optimization tool for real-world engineering challenges and beyond

Doi:10.1007/s12530-023-09553-6

5.人类进化优化算法(Human Evolutionary Optimization Algorithm ,HEOA)

摘要:人类进化优化算法(HEOA)是一种受人类进化启发的元启发式算法。HEOA将全球搜索过程分为两个不同的阶段:人类探索和人类发展。初始化采用Logistic混沌映射。在人类探索阶段,进行初始的全局搜索,然后是人类发展阶段,在这个阶段,人口被分类为领导者、探索者、追随者和失败者,每个人都使用不同的搜索策略。利用23个完善的测试函数对HEOA的收敛速度和搜索精度进行了评价。并结合四个工程问题,对该算法在工程优化中的适用性进行了评价。与其他十种算法的比较分析突出了HEOA的有效性,各种性能指标和统计指标都证明了这一点。结果一致地表明,HEOA在近似复杂全局优化问题的最优解方面优于目前最先进的算法。

参考文献:Human Evolutionary Optimization Algorithm

Doi:10.1016/j.eswa.2023.122638

6.角蜥优化算法(Horned Lizard Optimization Algorithm,HLOA)

摘要:本文介绍了一种新的元启发式优化算法HLOA,该算法在数学上模拟了隐密,皮肤变黑或变亮,血液喷射和移动-逃跑防御方法。在隐蔽行为中,蜥蜴通过变成半透明来改变自己的颜色,以避免被捕食者发现。角蜥的皮肤可以变亮或变暗,这取决于它是否需要减少或增加太阳热量的吸收。皮肤变黑或变亮的策略是通过包括刺激激素黑色素细胞率(-MHS)来影响这些皮肤颜色的变化。此外,移动到逃避策略也被数学描述。角蜥的射血防御机制,被描述为抛射运动,也被建模。这些策略平衡了解决方案空间上局部和全局搜索的开发和探索机制。通过文献中的63个优化问题,IEEE CEC-2017“约束实参数优化”中提供的测试台问题,以及IEEE CEC-06 2019“100位挑战”中的测试台函数,对HLOA性能进行了基准测试。此外,还研究了IEEE CEC2020中约束优化的三个实际应用,以及多重重力辅助优化和最优潮流问题这两个工程问题。Wilcoxon和Friedman统计测试将HLOA算法的结果与最近的十种生物启发算法进行了比较。Wilcoxon表明,HLOA比竞争算法更有效地为大多数测试台架函数提供了最优解。同时,在Friedman统计检验中,HLOA排名第一,n维分析表明,它在50维和100维的约束优化问题上表现更好。

参考文献:A novel metaheuristic inspired by horned lizard defense tactics

Doi:10.1007/s10462-023-10653-7

7.河马优化算法(Hippopotamus optimization algorithm,HO)

摘要:本文的新颖之处在于引入了一种新的随机技术——河马优化算法。HO是通过从河马观察到的固有行为中汲取灵感而构思的,展示了一种创新的元启发式方法。HO在概念上是用一个三相模型来定义的,该模型结合了它们在河流或池塘中的位置更新、对捕食者的防御策略和逃避方法,这些都是数学公式。在161个基准函数中,它在寻找最优值方面获得了115个最高排名,包括单峰和高维多峰函数,固定维多峰函数,以及CEC 2019测试套件和CEC 2014测试套件的10、30、50和100维度以及Zigzag模式基准函数,这表明HO在开发和探索方面都表现出了显著的熟练程度。此外,它有效地平衡了探索和利用,支持搜索过程。根据解决四个不同的工程设计挑战的结果,HO有效地实现了最有效的解决方案,同时坚持遵守指定的约束条件。HO算法的性能评估包括多个方面,包括与WOA、GWO、SSA、PSO、SCA、FA、GOA、TLBO、MFO和IWO的比较,这些被认为是研究最广泛的元启发式算法,AOA是最近开发的算法,CMA-ES是在IEEE CEC竞赛中获得成功的高性能优化器。根据统计事后分析,HO算法明显优于所研究的算法。

参考文献:Hippopotamus optimization algorithm: a novel nature-inspired optimization algorithm

Doi:10.1038/s41598-024-54910-3

8.爱情进化算法(Love Evolution Algorithm,LEA)

摘要:爱情进化算法(LEA)是一种受刺激-价值-角色理论启发的新型进化算法。LEA的优化过程包括刺激、价值和作用三个阶段。双方都经历了这些阶段,并从中受益,无论关系的结果如何。这一启示被抽象为全局优化的数学模型。通过CEC2017基准函数的数值实验验证了LEA的效率,并通过Wilcoxon符号秩检验和Friedman检验证明其优于7种元启发式算法。使用CEC2022基准函数的进一步测试证实了LEA与七个最先进的元启发式方法相比的竞争力。最后,将研究扩展到现实问题,展示了LEA在八个不同工程问题中的性能。

参考文献:Love Evolution Algorithm: a stimulus–value–role theory-inspired evolutionary algorithm for global optimization

Doi:10.1007/s11227-024-05905-4

9.鹦鹉优化器(Parrot Optimizer, PO)

摘要:随机优化方法作为一种有效的技术在当代研究中得到了显著的突出,有效地解决了复杂的优化挑战。本文介绍了鹦鹉优化器(Parrot Optimizer, PO),这是一种基于训练后鹦鹉关键行为的高效优化方法。本研究以定性分析和综合实验为特色,展示了Parrot Optimizer在处理各种优化问题时的鲜明特点。性能评估包括对提议的PO在35个功能上进行基准测试,包括IEEE CEC 2022测试集的经典案例和问题,并将其与八种流行的算法进行比较。研究结果生动地突出了PO在探索性和开发性方面的竞争优势。此外,通过参数灵敏度实验探讨了所提出的PO在不同构型下的适应性。应用于工程设计问题,证明了该方法的有效性和优越性。为了进一步将评估扩展到现实世界的应用,我们将PO在疾病诊断和医学图像分割问题中的应用纳入其中,这些问题在医学领域中具有高度相关性和重要意义。总之,研究结果证明,PO是一种有前途和竞争力的算法,超越了文献中的一些现有算法。

参考文献:Parrot optimizer: Algorithm and applications to medical problems

Doi:10.1016/j.compbiomed.2024.108064

10.牛顿-拉斐尔优化器(Newton-Raphson-based optimizer, NRBO)

摘要:本文提出并发展了一种新的元启发式算法——基于牛顿-拉斐尔的优化器(NRBO)。NRBO受到Newton-Raphson方法的启发,它使用两个规则来探索整个搜索过程:Newton-Raphson搜索规则(NRSR)和陷阱避免算子(TAO),并使用几组矩阵来进一步探索最佳结果。NRSR采用Newton-Raphson方法来提高NRBO的搜索能力,提高收敛速度以达到改进的搜索空间位置。TAO帮助NRBO避免局部最优陷阱。使用64个基准数值函数对NRBO的性能进行了评估,其中包括23个标准基准,29个CEC2017约束基准和12个CEC2022基准。此外,利用NRBO对12个CEC2020现实约束工程优化问题进行了优化。结果表明,该算法具有较高的勘探开发平衡性、较高的收敛速度和有效避免局部最优的能力,具有较好的优化效果。此外,NRBO还在具有挑战性的无线通信问题(称为车联网问题)中进行了验证,并且NRBO能够找到数据传输的最佳路径。同时,考虑山地车问题,研究了NRBO在训练深度强化学习智能体中的性能。所得结果也证明了NRBO在处理具有挑战性的实际工程问题方面的优异性能。

参考文献:Newton-Raphson-based optimizer: A new population-based metaheuristic algorithm for continuous optimization problems

Doi:10.1016/j.engappai.2023.107532

二、10个2024算法跑CEC2005/23个经典测试函数

10个2024年的新算法跑CEC2005测试集并且输出评价指标,CEC2005是最经典的测试集,包括23个经典基准测试函数。

点击 mainsingle 运行单个算法,点击 maincompare 运行10个算法并且绘制收敛曲线,点击main_indicator运行多次并且自动保存评价指标,包括平均值、标准差、平均收敛曲线、秩和检验p值、Friedman值、Friedman排名。算法是独立的.m文件,方便管理和二次开发。

实验结果如下

部分函数收敛曲线:

运行数据结果如下:

三、10个2024算法跑CEC2013测试集

10个2024年的新算法跑CEC2013测试集并且输出评价指标。点击 mainsingle 运行单个算法,点击 maincompare 运行10个算法并且绘制收敛曲线,点击main_indicator运行多次并且自动保存评价指标,包括平均值、标准差、平均收敛曲线、秩和检验p值、Friedman值、Friedman排名。算法是独立的.m文件,方便管理和二次开发。

实验结果如下

部分函数收敛曲线:

运行数据结果如下:

四、10个2024算法跑CEC2014测试集

10个2024年的新算法跑CEC2014测试集并且输出评价指标。点击 mainsingle 运行单个算法,点击 maincompare 运行10个算法并且绘制收敛曲线,点击main_indicator运行多次并且自动保存评价指标,包括平均值、标准差、平均收敛曲线、秩和检验p值、Friedman值、Friedman排名。算法是独立的.m文件,方便管理和二次开发。

实验结果如下

部分函数收敛曲线:

运行数据结果如下:

五、10个2024算法跑CEC2015测试集

10个2024年的新算法跑CEC2015测试集并且输出评价指标。点击 mainsingle 运行单个算法,点击 maincompare 运行10个算法并且绘制收敛曲线,点击main_indicator运行多次并且自动保存评价指标,包括平均值、标准差、平均收敛曲线、秩和检验p值、Friedman值、Friedman排名。算法是独立的.m文件,方便管理和二次开发。

实验结果如下

部分函数收敛曲线:

运行数据结果如下:

六、10个2024算法跑CEC2017测试集

10个2024年的新算法跑CEC2017测试集并且输出评价指标。点击 mainsingle 运行单个算法,点击 maincompare 运行10个算法并且绘制收敛曲线,点击main_indicator运行多次并且自动保存评价指标,包括平均值、标准差、平均收敛曲线、秩和检验p值、Friedman值、Friedman排名。算法是独立的.m文件,方便管理和二次开发。

实验结果如下

部分函数收敛曲线:

运行数据结果如下:

七、10个2024算法跑CEC2018测试集

10个2024年的新算法跑CEC2018测试集并且输出评价指标。点击 mainsingle 运行单个算法,点击 maincompare 运行10个算法并且绘制收敛曲线,点击main_indicator运行多次并且自动保存评价指标,包括平均值、标准差、平均收敛曲线、秩和检验p值、Friedman值、Friedman排名。算法是独立的.m文件,方便管理和二次开发

实验结果如下

部分函数收敛曲线:

行数据结果如下:

八、10个2024算法跑CEC2019测试集

10个2024年的新算法跑CEC2019测试集并且输出评价指标。点击 mainsingle 运行单个算法,点击 maincompare 运行10个算法并且绘制收敛曲线,点击main_indicator运行多次并且自动保存评价指标,包括平均值、标准差、平均收敛曲线、秩和检验p值、Friedman值、Friedman排名。算法是独立的.m文件,方便管理和二次开发

实验结果如下

部分函数收敛曲线:

运行数据结果如下:

九、10个2024算法跑CEC2020测试集

10个2024年的新算法跑CEC2020测试集并且输出评价指标。点击 mainsingle 运行单个算法,点击 maincompare 运行10个算法并且绘制收敛曲线,点击main_indicator运行多次并且自动保存评价指标,包括平均值、标准差、平均收敛曲线、秩和检验p值、Friedman值、Friedman排名。算法是独立的.m文件,方便管理和二次开发。

实验结果如下

部分函数收敛曲:

运行数据结果如下:

十、10个2024算法跑CEC2021测试集

10个2024年的新算法跑CEC2021测试集并且输出评价指标。点击 mainsingle 运行单个算法,点击 maincompare 运行10个算法并且绘制收敛曲线,点击main_indicator运行多次并且自动保存评价指标,包括平均值、标准差、平均收敛曲线、秩和检验p值、Friedman值、Friedman排名。算法是独立的.m文件,方便管理和二次开发

实验结果如下

部分函数收敛曲线:

运行数据结果如下:

十一、10个2024算法跑CEC2022测试集

10个2024年的新算法跑CEC2022测试集并且输出评价指标。点击 mainsingle 运行单个算法,点击 maincompare 运行10个算法并且绘制收敛曲线,点击main_indicator运行多次并且自动保存评价指标,包括平均值、标准差、平均收敛曲线、秩和检验p值、Friedman值、Friedman排名。算法是独立的.m文件,方便管理和二次开发。

实验结果如下

部分函数收敛曲线:

运行数据结果如下:

创作声明:

本号目前现有内容均是原创,若有侵权,请私信联系删除或者修改,谢谢!

十一、完整代码获取

1、10个2024算法跑CEC2005测试集:

2、10个2024算法跑CEC2013测试集:

3、10个2024算法跑CEC2014测试集:

4、10个2024算法跑CEC2015测试集:

5、10个2024算法跑CEC2017测试集:

6、10个2024算法跑CEC2018测试集:

7、10个2024算法跑CEC2019测试集:

8、10个2024算法跑CEC2020测试集:

9、10个2024算法跑CEC2021测试集:

10、10个2024算法跑CEC2022测试集:

11、全家桶下载10个2024算法跑10个测试集:

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/479061.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

DMA的设置

DMA(Direct Memory Access,直接内存访问)是一种用于提高数据传输效率的重要技术,在现代计算机系统中被广泛应用。DMA的设置涉及到配置DMA控制器、分配内存缓冲区、设置传输模式等多个方面。本文将介绍DMA的设置过程及相关注意事项…

Mysql数据库的SQL语言详解

目录 一、数据库的基础操作 1、数据库的基本查看和切换 1.1 查看数据库信息 1.2 切换数据库 1.3 查看数据库中的表信息 1.4 查看数据库或数据库中表的结构(字段) 1.5 数据类型 1.5.1 整数型 1.5.2 浮点型(float和double) 1.5.3 定点数 1.5.4…

基于Lealfet.js展示Turf.js生成的平滑曲线实践

目录 前言 一、问题的由来 1、创建网页框架 2、创建map对象 3、构建点位,生成路线 二、Turf.js平滑曲线改造 1、官网方法介绍 2、0.4弯曲度曲线 3、0.85弯曲度曲线 4、0.1度弯曲曲线 5、综合对比 总结 前言 在很多的关于路线的gis应用中,我们…

什么是485数据采集模块?

在工业自动化、智能楼宇、环境监测等众多领域,数据的采集与传输是实现智能化管理的关键。而485数据采集模块,作为一种高效、稳定的数据采集设备,正日益受到广泛关注。HiWoo Box,作为一款卓越的485数据采集模块,以其强大…

Android性能自测

目录 一、应用启动耗时自测 二、帧率查看 三、Top命令查看系统资源占用 3.1 第一行:任务(进程) 3.2 第二行:mem状态 3.3 第三行:swap交换分区 3.4 第四行:cpu状态 3.5 第五行:标题 四、抓取trace.html文件分析…

CCF-CSP认证考试 202305-3 解压缩 100分题解

更多 CSP 认证考试题目题解可以前往:CSP-CCF 认证考试真题题解 原题链接: 202305-3 解压缩 时间限制: 5.0s 内存限制: 512.0MB 题目背景 西西艾弗岛运营公司是一家负责维护和运营岛上基础设施的大型企业。在公司内,…

如何注册 onlyFans? onlyFans 如何订阅教程

一、onlyFans 介绍 OnlyFans 是一个在线平台,允许创作者为他们的内容提供订阅服务,通常是成人内容或独家内容。该平台于2016年成立,起初被认为是一个用于演员、模特、艺术家和其他创意行业从业者分享内容的地方。随着时间的推移,O…

linux命令(四)

操作文件 创建文件 touch test.txt修改文件后缀 mv test.txt test.sh将test.txt 改为test.sh 查看当前路径下的文件 ls如果你想知道你现在是在哪个目录下,可以使用pwd命令(不要认为pwd是密码的意思,pwd 是Print Working Directory的缩写) pwd查看文…

初识二叉树

文章目录 一.什么是树二.什么是二叉树三.二叉树的访问次序四.特殊的二叉树五.求结点个数六.平衡二叉树总结 一.什么是树 树是由一个集合以及在该集合上定义的一种关系构成的。 集合中的元素称为树的节点,所定义的关系称为父子关系。 父子关系在树的节点之间建立了一…

【C++ leetcode】双指针问题

1. 611. 有效三角形的个数 题目 给定一个包含非负整数的数组 nums ,返回其中可以组成三角形三条边的三元组个数。 题目链接 . - 力扣(LeetCode) 画图 和 文字 分析 判断是否是三角形要得到三边,由于遍历三边要套三层循环&#x…

LeetCode每日一题【24. 两两交换链表中的节点】

思路:先创建虚拟头结点,再用双指针,两两交换 /*** Definition for singly-linked list.* struct ListNode {* int val;* ListNode *next;* ListNode() : val(0), next(nullptr) {}* ListNode(int x) : val(x), next(nullptr…

推荐几个自动化测试实战练习项目

学习自动化测试最难的是没有合适的项目练习。 测试本身既要讲究科学,又有艺术成分,单单学几个 API 的调用很难应付工作中具体的问题。 你得知道什么场景下需要添加显性等待,什么时候元素定位需要写得更加优雅,为什么需要断言这个…

js处理数组分类

const obj [{"groupingType": "1","remark": "梨花带雨","totalRmbMoney": 7,"kyeGroupingType": "广州一组"},{"groupingType": "2","remark": "99","…

权限管理系统-0.6.0

七、员工端审批 员工端审批的大致流程如下图: 这个模块目的是实现员工在微信端的审批提交和处理功能,为了与之前的管理系统区分开,新建一个controller完成这些功能。 7.1 查询审批分类和审批模板 7.1.1 后端接口 //controller Api(tags …

【论文速读】| 视觉对抗样本:突破对齐的大语言模型

本次分享论文为:Visual Adversarial Examples: Jailbreak Aligned Large Language Models 基本信息 原文作者:Xiangyu Qi, Peter Henderson, Kaixuan Huang, Ashwinee Panda, Mengdi Wang, Prateek Mittal 作者单位:普林斯顿大学、斯坦福大…

使用npm创建一个全局的cli命令,就像vue-cli一样

我们用过vue-cli等工具包,全局安装之后,我们可以直接使用vue create等命令,实际上能够这样使用的原因,就是使用了package.json里面的bin字段注册命令。接下来就以一个脚本文件为例子为大家演示一下bin是如何发挥作用的。 创建项目…

数据库引论:2.SQL简介

SQL(Structured Query Language,结构化查询语言) 2.1 SQL查询语言概览 SQL语言包含 数据定义语言(Data-Definition Language,DDL)。SQL DDL提供定义关系模式、删除关系以及修改关系模式的命令。数据操纵语言(Data-Manipulation Language,DML)。SQL DML提供从数据库中查询信息…

PLC通过智能网关采用HTTP协议JSON文件对接MES等服务系统平台

智能网关IGT-DSER集成了多种PLC的原厂协议,方便实现各种PLC、智能仪表通过HTTP协议与MES等各种系统平台通讯对接。PLC内不用编写程序,通过网关的参数配置软件(下载地址)绑定JSON文件的字段与PLC寄存器地址,配置URL即可。支持POST/GET/PUT等多…

基于YOLOv5s的电动车入梯识别系统(数据集+权重+登录界面+GUI界面+mysql)

本人训练的yolov5s模型,准确率在98.6%左右,可准确完成电梯内检测电动车任务,并搭配了GUI检测界面,支持权重选择、图片检测、视频检测、摄像头检测、识别结果拍照和在线标注数据集等功能。 并且为用户提供了登录注册功能&#xff0…

python版:使用TotalSegmentator工具可在1分钟内自动分割全身117个器官,附批量技巧

TotalSegmentator用于对 CT 图像中超过 117 个类别进行分割的工具。它接受了各种不同 CT 图像(不同扫描仪、机构、协议等)的训练,因此应该适用于大多数图像。大部分训练数据集可以从Zenodo下载(1228 个主题)。您还可以…