基本理论
基本术语与方法
机器学习术语表
机器学习数据集的基本概念
机器学习领域权威会议与期刊整理
计算机领域顶级会议、期刊、人物与国家排名2019
NFL（没有免费的午餐）定理
机器学习中一些模型为什么要对数据归一化？
机器学习数据集划分及交叉验证的选择
深度学习和经典机器学习对比
机器学习相似性度量（距离度量）
收敛性变量与多样性变量的区别
机器学习非平衡数据集概述
梯度下降法
ROC曲线/AUC曲线与混淆矩阵介绍
混淆矩阵简介与Python实现
高斯变异
监督学习与无监督学习
朴素贝叶斯分类器
互信息公式及概述
最大互信息系数(MIC)详解
MIC（最大互信息系数）的计算
遗传算法的交叉变异详解
One-Hot编码详解与Python实现
信息熵（香农熵）概述
特征工程——特征离散化与选择
特征离散化概述
列向量互信息计算通用MATLAB代码
高维（多变量）优化问题的技术与瓶颈
Wilcoxon秩和检验简介与MATLAB实现
mat格式数据集转换为arff与txt格式
机器学习数据集制作与划分MATLAB实现
多目标优化问题
多目标优化问题详解
Pareto最优解几点解释
多目标优化问题概述
多目标进化算法的一般流程
非支配排序算法通用MATLAB代码
反世代距离评价指标IGD
HyperVolume多目标评价指标概述
经典算法
NSGA2算法
NSGA-II多目标遗传算法概述
NSGA2算法MATLAB实现（能够自定义优化函数）
NSGA2算法特征选择MATLAB实现（多目标）
NSGA-Ⅱ算法Matlab实现（测试函数为ZDT1）
NSGA-Ⅱ算法C++实现（测试函数为ZDT1）
NSGA-II快速非支配排序算法理解
随机固定分组合作协同进化NSGA2算法（CCNSGA2）
遗传算法的交叉变异详解
遗传算法解决TSP问题MATLAB实现（详细）
MATLAB遗传算法工具箱简介
粒子群优化算法（PSO）
MATLAB粒子群优化算法实现（PSO）
粒子群优化（PSO）算法概述
Python粒子群优化算法实现（PSO）
随机固定分组合作协同进化PSO算法（CCPSO）
PSO算法特征选择MATLAB实现（单目标）
基于柯西和高斯分布的单目标PSO
PSO算法的改进策略
蚁群算法（ACO）
蚁群算法（ACO）最短路径规划（MATLAB）
蚁群算法（ACO）MATLAB实现
蚁群算法（ACO）旅行商问题（TSP）路径规划MATLAB实现
蚁群算法最短路径规划多出口情况及问题答疑
蝙蝠算法（BA）
经典蝙蝠算法MATLAB实现
基于迭代局部搜索和随机惯性权重的BA算法MATLAB实现（ILSSIWBA）
其它算法
模拟退火算法（SAA）C语言与MATLAB实现
变邻域搜索算法（Variable Neighborhood Search,VNS）
基于稀疏大规模矩阵的多目标进化算法简介
前沿算法
本部分展现的论文中讨论和提出的机器学习算法。
NSGA2算法
NSGA-II多目标遗传算法概述
NSGA2算法MATLAB实现（能够自定义优化函数）
NSGA2算法特征选择MATLAB实现（多目标）
NSGA-Ⅱ算法Matlab实现（测试函数为ZDT1）
随机固定分组合作协同进化NSGA2算法（CCNSGA2）
NSGA-Ⅱ算法C++实现（测试函数为ZDT1）
遗传算法的交叉变异详解
前沿PSO算法
基于粒子交互学习策略的PSO算法（IIL-PSO）
基于柯西和高斯分布的单目标PSO
多目标CSO算法（MOCSO）理解
基于三重竞争机制的PSO算法（CSO）
基于训练集动态代理模型的PSO特征选择算法
PSO算法的改进策略
特征离散化与选择EPSO算法详解
基于变长PSO的高维特征选择算法（VLPSO）概述
基于PSO的特征离散化与选择算法
基于非支配排序的多目标PSO算法MATLAB实现
基于拥挤距离与变异支配的多目标PSO算法
差分分组（进化）算法
差分分组合作协同进化MATLAB代码
差分分组的合作协同进化的大规模优化算法概述
差分分组的合作协同进化的大规模优化算法详解
一个更快更准确的差分分组大规模黑盒子优化算法概述
差分进化算法 (Differential Evolution)概述
差分进化算法Python实现
其它算法
超启发式算法
马尔科夫毯（Markov Blankets）
变邻域搜索算法（Variable Neighborhood Search,VNS）
基于VNS及马尔科夫毯分组的高维特征选择算法
自我评价算法（SEE）框架
批量学习与在线学习概述
在线特征选择概述
基于训练集的代理模型生成算法（DROP3、AGG）
基于迭代局部搜索和随机惯性权重的BA算法MATLAB实现（ILSSIWBA）
协同进化/演化
协同演化算法(coevolutionary algorithms,CEA)是当前国际上计算智能研究的一个热点,它运用生物协同演化的思想,是针对演化算法的不足而兴起的,通过构造两个或多个种群,建立它们之间的竞争或合作关系,多个种群通过相互作用来提高各自性能,适应复杂系统的动态演化环境,以达到种群优化的目的。
合作协同进化算法概述（Cooperative Coevolution）
广义协同进化算法概述
合作协同进化详解及伪代码
随机固定分组合作协同进化NSGA2算法（CCNSGA2）
随机固定分组合作协同进化PSO算法（CCPSO）
差分分组合作协同进化MATLAB代码
差分分组的合作协同进化的大规模优化算法概述
差分分组的合作协同进化的大规模优化算法详解
多目标协同进化算法概要
其他演化计算算法
演化计算是模拟自然界中的生物的演化过程产生的一种群体导向的随机搜索技术和方法。
进化（演化）计算概述
演化计算基本方法与思想
基于量子遗传的函数寻优算法MATLAB实现
人工鱼群算法MATLAB实现
进化计算中基于分类的预处理代理模型
基于进化计算的NP难题求解的研究综述
特征选择算法
特征选择( Feature Selection )也称特征子集选择( Feature Subset Selection , FSS )，或属性选择( Attribute Selection )。是指从已有的M个特征(Feature)中选择N个特征使得系统的特定指标最优化，是从原始特征中选择出一些最有效特征以降低数据集维度的过程,是提高学习算法性能的一个重要手段,也是模式识别中关键的数据预处理步骤。对于一个学习算法来说,好的学习样本是训练模型的关键。
机器学习如何做特征选择实验
特征选择方法与理解
特征选择的基本方法概述
特征选择与特征提取（降维）
SFS与SBS特征选择算法
基于MIC（最大互信息系数）的特征选择
NSGA2算法特征选择MATLAB实现（多目标）
PSO算法特征选择MATLAB实现（单目标）
基于训练集动态代理模型的PSO特征选择算法
基于VNS及马尔科夫毯分组的高维特征选择算法
基于互信息的特征选择算法MATLAB实现
特征选择Filter方法详解
在线特征选择概述
特征离散化与选择EPSO算法详解
基于PSO的特征离散化与选择算法
基于非支配排序的多目标PSO算法
基于变长PSO的高维特征选择算法（VLPSO）概述
基于非支配排序的多目标PSO算法MATLAB实现
基于拥挤距离与变异支配的多目标PSO算法
最大相关最小冗余（mRMR）算法
Kaggle入门泰坦尼克号乘客生还预测
基于稀疏大规模矩阵的多目标进化算法简介
