基于輸出跟隨的模型參考自適應(yīng)控制程序，利用最小二乘進(jìn)行了參數(shù)更新。
標(biāo)簽： 輸出 模型參考 自適應(yīng)控制 程序
上傳時(shí)間： 2017-08-01
上傳用戶：181992417
ESPRIT方法的兩種實(shí)現(xiàn)，包括四個(gè)程序，一個(gè)實(shí)現(xiàn)對(duì)應(yīng)于最小二乘和總體最小二乘兩種方法～
標(biāo)簽： ESPRIT
上傳時(shí)間： 2013-12-03
上傳用戶：1079836864
鋰電池離線辨識(shí)方法，論文，在確定二階RC 等效電路模型的基礎(chǔ)上, 采用漸衰記憶的遞推最小二乘算法和擴(kuò)展卡爾曼濾波算法對(duì)模型參數(shù)與 SOC 在線聯(lián)合估算。經(jīng)過(guò)實(shí)驗(yàn)與仿真驗(yàn)證,
上傳時(shí)間： 2016-01-21
上傳用戶：zxljj3825
1．用DATA步建立一個(gè)永久SAS數(shù)據(jù)集，數(shù)據(jù)集名為xt49,數(shù)據(jù)見(jiàn)表12；對(duì)數(shù)據(jù)集xt49,用普通最小二乘法建立y與x的回歸方程，用多種方法診斷該問(wèn)題是否存在異方差；如果存在異方差，①建立加權(quán)最小二乘回歸方程，②用方差穩(wěn)定變換消除異方差。
標(biāo)簽： 用迭代法處理序列相關(guān) 并建立回歸模型 ②用一階差分法處理數(shù)據(jù) 并建立回歸方程 ③比較以上方法所建回歸方程的優(yōu)良性
上傳時(shí)間： 2016-01-29
上傳用戶：會(huì)哈123
數(shù)學(xué)建模32種常規(guī)方法1..第一章 線性規(guī)劃.pdf10.第十章 數(shù)據(jù)的統(tǒng)計(jì)描述和分析.pdf11.第十一章 方差分析.pdf12.第十二章 回歸分析.pdf13.第十三章 微分方程建模.pdf14.第十四章 穩(wěn)定狀態(tài)模型.pdf15.第十五章 常微分方程的解法.pdf16.第十六章 差分方程模型.pdf17.第十七章 馬氏鏈模型.pdf18.第十八章 變分法模型.pdf19.第十九章 神經(jīng)網(wǎng)絡(luò)模型.pdf2.第二章 整數(shù)規(guī)劃.pdf20.第二十章 偏微分方程的數(shù)值解.pdf21.第二十一章 目標(biāo)規(guī)劃.pdf22.第二十二章 模糊數(shù)學(xué)模型.pdf23.第二十三章 現(xiàn)代優(yōu)化算法.pdf24.第二十四章 時(shí)間序列模型.pdf25.第二十五章 存貯論.pdf26.第二十六章 經(jīng)濟(jì)與金融中的優(yōu)化問(wèn)題.pdf27.第二十七章 生產(chǎn)與服務(wù)運(yùn)作管理中的優(yōu)化問(wèn)題.pdf28.第二十八章 灰色系統(tǒng)理論及其應(yīng)用.pdf29.第二十九章 多元分析.pdf3.第三章 非線性規(guī)劃.pdf30.第三十章 偏最小二乘回歸.pdf31、支持向量機(jī)(數(shù)學(xué)建模).pdf32、作業(yè)計(jì)劃(數(shù)學(xué)建模).pdf4.第四章 動(dòng)態(tài)規(guī)劃.pdf5.第五章 圖與網(wǎng)絡(luò).pdf6.第六章 排隊(duì)論.pdf7.第七章 對(duì)策論.pdf8.第八章 層次分析法.pdf9.第九章 插值與擬合.pdf前言.pdf灰色預(yù)測(cè)公式的理論缺陷及改進(jìn).pdf
標(biāo)簽： 數(shù)學(xué)建模
上傳時(shí)間： 2021-10-20
上傳用戶：kingwide
隨著杜會(huì)和經(jīng)濟(jì)的發(fā)展，環(huán)境水污染現(xiàn)象也日趨嚴(yán)重，迫切需要環(huán)境水質(zhì)多參數(shù)監(jiān)測(cè)與智能分析系統(tǒng)，以為環(huán)境監(jiān)測(cè)、管理和控制提供科學(xué)的手段。水質(zhì)多組分檢測(cè)涉及到多傳感器數(shù)據(jù)融合、計(jì)算機(jī)技術(shù)、電化學(xué)分析和人工智能等多學(xué)科的交叉，在眾多領(lǐng)域有著廣泛的應(yīng)用。本論文研究環(huán)境水質(zhì)檢測(cè)與智能分析系統(tǒng)，論文的主要工作包括1）基于最小二乘支持向量機(jī)的在線自適應(yīng)加權(quán)數(shù)據(jù)融合算法多傳感器數(shù)據(jù)融合由于能夠利用互補(bǔ)和冗余的信息，顯著提高系統(tǒng)的可靠性而得到了廣泛應(yīng)用，而數(shù)據(jù)融合的關(guān)鍵問(wèn)題是融合算法。本文深入研究了多傳感器數(shù)據(jù)融合理論的基礎(chǔ)上，針對(duì)傳統(tǒng)融合算法研究存在的問(wèn)題，提出了一種基于最小二乘支持向量機(jī)的在線自適應(yīng)加權(quán)數(shù)據(jù)融合算法，并應(yīng)用到水質(zhì)在線檢測(cè)過(guò)程中，不僅縮短了訓(xùn)練的時(shí)間，而且提高了融合的可靠性和靈活性2）提出了一種離子傳感器的基于最小二乘支持向量機(jī)的自校正方法：由于離子傳感器的非線性、漂移和交叉敏感性等影響了其檢測(cè)精度和可靠性，難以進(jìn)行連續(xù)在線檢測(cè)。以硝酸根離子傳感器為例，研究其自校正方法，以適應(yīng)動(dòng)態(tài)環(huán)境的連續(xù)監(jiān)測(cè)根據(jù)實(shí)驗(yàn)數(shù)據(jù)，詳細(xì)分析了硝酸根離子傳感器的響應(yīng)特性，并考慮了零點(diǎn)和時(shí)間漂移，提出了一種基于最小二乘支持向量機(jī)硝酸根離子傳感器的自校正方法，給出了詳細(xì)描述和分析。3）離子傳感器故障檢測(cè)的小波支持向量機(jī)特征提取和支持向量機(jī)分類(lèi)方法在線連續(xù)檢測(cè)的應(yīng)用要求離子傳感器必須具有很高的可靠性，即能夠及時(shí)準(zhǔn)確地判斷出離子傳感器的故障。本文采用小波支持向量機(jī)提取各傳感器故障特征，再用支持向量機(jī)對(duì)故障進(jìn)行分類(lèi)，實(shí)現(xiàn)對(duì)各離子傳感器的故障診斷。
標(biāo)簽： 數(shù)據(jù)融合
上傳時(shí)間： 2022-03-18
上傳用戶：
Rls遞推二乘最小算法的MAtlab 仿真。
上傳時(shí)間： 2013-12-01
上傳用戶：TF2015
的基于紋理的牌照?qǐng)D象二值化方法即 首先對(duì)牌照?qǐng)D象作紋理分析, 然后采用模式識(shí)別技術(shù)中的最 大最小準(zhǔn)則獲取二值比閾值進(jìn)行二值化的方法效果優(yōu)于灰度直方圖方法。若對(duì)紋理基元的選擇附加一些條件則有可能提 供更好的二值化結(jié)果。該方法也可適用于票據(jù)或文本圖象的 二值化。
標(biāo)簽： 圖象 分 準(zhǔn)則 模式識(shí)別技術(shù)
上傳時(shí)間： 2013-12-07
上傳用戶：fhzm5658
一個(gè)大學(xué)時(shí)候做的編譯原理的實(shí)驗(yàn).實(shí)驗(yàn)內(nèi)容是正則表達(dá)式到NFA到DFA到最小化DFA最終生成詞法分析代碼的整個(gè)過(guò)程的演示.那時(shí)由于時(shí)間關(guān)系,詞法分析代碼自動(dòng)生成部分還沒(méi)完成.
上傳時(shí)間： 2016-05-01
上傳用戶：yyyyyyyyyy
哈夫曼樹(shù)又稱(chēng)最優(yōu)二叉樹(shù)，是一種帶權(quán)路徑長(zhǎng)度最短的二叉樹(shù)。所謂樹(shù)的帶權(quán)路徑長(zhǎng)度，就是樹(shù)中所有的葉結(jié)點(diǎn)的權(quán)值乘上其到根結(jié)點(diǎn)的路徑長(zhǎng)度（若根結(jié)點(diǎn)為0層，葉結(jié)點(diǎn)到根結(jié)點(diǎn)的路徑長(zhǎng)度為葉結(jié)點(diǎn)的層數(shù)）。樹(shù)的帶權(quán)路徑長(zhǎng)度記為WPL=(W1*L1+W2*L2+W3*L3+...+Wn*Ln)，N個(gè)權(quán)值Wi(i=1,2,...n)構(gòu)成一棵有N個(gè)葉結(jié)點(diǎn)的二叉樹(shù)，相應(yīng)的葉結(jié)點(diǎn)的路徑長(zhǎng)度為L(zhǎng)i(i=1,2,...n)?？梢宰C明哈夫曼樹(shù)的WPL是最小的。
上傳時(shí)間： 2017-06-09
上傳用戶：wang5829
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
