11111111111111活用自動(dòng)控制，運(yùn)用科學(xué)數(shù)學(xué)自然
標(biāo)簽： adaptive-control
上傳時(shí)間： 2015-03-16
上傳用戶：54333
文件中詳細(xì)介紹 FLIR 雷達(dá)產(chǎn)品的各項(xiàng)技術(shù)數(shù)據(jù)
上傳時(shí)間： 2015-03-18
上傳用戶：戴斗笠的神秘人
1. 給定函數(shù) ，. （1） 1.在定義區(qū)間上等間隔地取5個(gè)節(jié)點(diǎn),并計(jì)算節(jié)點(diǎn)處的函數(shù)值(取6位有效數(shù)字). 借助Matlab 求該函數(shù)的Lagrange 插值基函數(shù)以及差值多項(xiàng)式的表達(dá)式. 2.利用圖示的方法將插值多項(xiàng)式曲線與曲線(1)進(jìn)行比較. 3.求該函數(shù)在區(qū)間端點(diǎn)處的一階和二階導(dǎo)數(shù). 4.利用Matlab 函數(shù)csape和1.所得數(shù)據(jù)求該函數(shù)的三次樣條插值函數(shù)，其中，邊界條件分別為固定邊界條件和自然邊界條件。以圖示的方式將所求樣條函數(shù)曲線和被插值函數(shù)曲線進(jìn)行比較。 5. 寫出所求三次樣條函數(shù)在各個(gè)小區(qū)間上的表達(dá)式（系數(shù)取2位有效數(shù)字）。 6.利用Matlab函數(shù)fnval計(jì)算所求三次樣條函數(shù)在點(diǎn)處的值，畫圖并與被插值曲線作比較。
上傳時(shí)間： 2015-03-29
上傳用戶：kmyilang
將編碼的差分跳頻系統(tǒng)等效為串行級(jí)聯(lián)碼，充分利用頻率轉(zhuǎn)移函數(shù)所產(chǎn)生的網(wǎng)格關(guān)聯(lián)信息， 采用軟輸入軟輸 算法，進(jìn)行類Turbo串行迭代譯碼，能有效改善系統(tǒng)的誤比特性能． 此，如何實(shí)現(xiàn)差 分跳頻系統(tǒng)串行級(jí)聯(lián)結(jié)構(gòu)的外編碼器和頻率轉(zhuǎn)移函數(shù)(( 函數(shù))的匹配設(shè)計(jì)是值得深入研究的問(wèn)題．基 于互信息的外信息轉(zhuǎn)移圖(ExIT)能有效預(yù)測(cè)迭代譯碼的收斂特性，并根據(jù)E xlT選擇適當(dāng)?shù)膬?nèi)、外碼 進(jìn)行級(jí)聯(lián)．采用基于互信息的Exn、用分析差分跳頻串行級(jí)聯(lián)結(jié)構(gòu)中外編碼器和G函數(shù)的外信息轉(zhuǎn)移 過(guò)程，提出了一種采用ExIT圖選擇G函數(shù)及外編碼器的方法．通過(guò)對(duì)陔l方法的理論分析和性能仿真， 結(jié)果表明，在一定的輸入先驗(yàn)信息量條件下，信噪比越高，G函數(shù)輸 互信息量越大；在給定信噪比條件 下，不同G 函數(shù)劉 應(yīng)的輸出互信息量隨輸入先驗(yàn)信息量增長(zhǎng)速度不同，能有效實(shí)現(xiàn)對(duì)性能較好的G 函 數(shù)的選擇；對(duì)于給定G甬?dāng)?shù)，在不同外編碼方式下，通過(guò)E xlT閣能得到迭代譯碼收斂的門限值；能反應(yīng) 出不同編碼方式下的收斂特性的好壞，從而實(shí)現(xiàn)外編碼器和G函數(shù)的匹配設(shè)計(jì)．
標(biāo)簽： 南京大學(xué)學(xué)報(bào)
上傳時(shí)間： 2015-04-27
上傳用戶：xiefuai
將編碼的差分跳頻系統(tǒng)等效為串行級(jí)聯(lián)碼，充分利用頻率轉(zhuǎn)移函數(shù)所產(chǎn)生的網(wǎng)格關(guān)聯(lián)信息， 采用軟輸入軟輸 算法，進(jìn)行類Turbo串行迭代譯碼，能有效改善系統(tǒng)的誤比特性能． 此，如何實(shí)現(xiàn)差 分跳頻系統(tǒng)串行級(jí)聯(lián)結(jié)構(gòu)的外編碼器和頻率轉(zhuǎn)移函數(shù)(( 函數(shù))的匹配設(shè)計(jì)是值得深入研究的問(wèn)題．基 于互信息的外信息轉(zhuǎn)移圖(ExIT)能有效預(yù)測(cè)迭代譯碼的收斂特性，并根據(jù)E xlT選擇適當(dāng)?shù)膬?nèi)、外碼 進(jìn)行級(jí)聯(lián)．采用基于互信息的Exn、用分析差分跳頻串行級(jí)聯(lián)結(jié)構(gòu)中外編碼器和G函數(shù)的外信息轉(zhuǎn)移 過(guò)程，提出了一種采用ExIT圖選擇G函數(shù)及外編碼器的方法．通過(guò)對(duì)陔l方法的理論分析和性能仿真， 結(jié)果表明，在一定的輸入先驗(yàn)信息量條件下，信噪比越高，G函數(shù)輸 互信息量越大；在給定信噪比條件 下，不同G 函數(shù)劉 應(yīng)的輸出互信息量隨輸入先驗(yàn)信息量增長(zhǎng)速度不同，能有效實(shí)現(xiàn)對(duì)性能較好的G 函 數(shù)的選擇；對(duì)于給定G甬?dāng)?shù)，在不同外編碼方式下，通過(guò)E xlT閣能得到迭代譯碼收斂的門限值；能反應(yīng) 出不同編碼方式下的收斂特性的好壞，從而實(shí)現(xiàn)外編碼器和G函數(shù)的匹配設(shè)計(jì)．
標(biāo)簽： G函數(shù)
上傳時(shí)間： 2015-04-27
上傳用戶：xiefuai
C語(yǔ)言冒泡、插入法、選擇排序算法分析
標(biāo)簽： 排序 最大值 總和
上傳時(shí)間： 2015-06-03
上傳用戶：hxf709
遺傳算法為群體優(yōu)化算法，也就是從多個(gè)初始解開始進(jìn)行優(yōu)化，每個(gè)解稱為一個(gè)染色體，各染色體之間通過(guò)競(jìng)爭(zhēng)、合作、單獨(dú)變異，不斷進(jìn)化。 優(yōu)化時(shí)先要將實(shí)際問(wèn)題轉(zhuǎn)換到遺傳空間，就是把實(shí)際問(wèn)題的解用染色體表示，稱為編碼，反過(guò)程為解碼，因?yàn)閮?yōu)化后要進(jìn)行評(píng)價(jià)，所以要返回問(wèn)題空間，故要進(jìn)行解碼。SGA采用二進(jìn)制編碼，染色體就是二進(jìn)制位串，每一位可稱為一個(gè)基因；解碼時(shí)應(yīng)注意將染色體解碼到問(wèn)題可行域內(nèi)。 遺傳算法模擬“適者生存，優(yōu)勝劣汰”的進(jìn)化機(jī)制，染色體適應(yīng)生存環(huán)境的能力用適應(yīng)度函數(shù)衡量。對(duì)于優(yōu)化問(wèn)題，適應(yīng)度函數(shù)由目標(biāo)函數(shù)變換而來(lái)。一般遺傳算法求解最大值問(wèn)題，如果是最小值問(wèn)題，則通過(guò)取倒數(shù)或者加負(fù)號(hào)處理。SGA要求適應(yīng)度函數(shù)>0，對(duì)于<0的問(wèn)題，要通過(guò)加一個(gè)足夠大的正數(shù)來(lái)解決。這樣，適應(yīng)度函數(shù)值大的染色體生存能力強(qiáng)。 遺傳算法有三個(gè)進(jìn)化算子：選擇（復(fù)制）、交叉和變異。 SGA中，選擇采用輪盤賭方法，也就是將染色體分布在一個(gè)圓盤上，每個(gè)染色體占據(jù)一定的扇形區(qū)域，扇形區(qū)域的面積大小和染色體的適應(yīng)度大小成正比。如果輪盤中心裝一個(gè)可以轉(zhuǎn)動(dòng)的指針的話，旋轉(zhuǎn)指針，指針停下來(lái)時(shí)會(huì)指向某一個(gè)區(qū)域，則該區(qū)域?qū)?yīng)的染色體被選中。顯然適應(yīng)度高的染色體由于所占的扇形區(qū)域大，因此被選中的幾率高，可能被選中多次，而適應(yīng)度低的可能一次也選不中，從而被淘汰。算法實(shí)現(xiàn)時(shí)采用隨機(jī)數(shù)方法，先將每個(gè)染色體的適應(yīng)度除以所有染色體適應(yīng)度的和，再累加，使他們根據(jù)適應(yīng)度的大小分布于0-1之間，適應(yīng)度大的占的區(qū)域大，然后隨機(jī)生成一個(gè)0-1之間的隨機(jī)數(shù)，隨機(jī)數(shù)落到哪個(gè)區(qū)域，對(duì)應(yīng)的染色體就被選中。重復(fù)操作，選出群體規(guī)模規(guī)定數(shù)目的染色體。這個(gè)操作就是“優(yōu)勝劣汰，適者生存”，但沒有產(chǎn)生新個(gè)體。 交叉模擬有性繁殖，由兩個(gè)染色體共同作用產(chǎn)生后代，SGA采用單點(diǎn)交叉。由于SGA為二進(jìn)制編碼，所以染色體為二進(jìn)制位串，隨機(jī)生成一個(gè)小于位串長(zhǎng)度的隨機(jī)整數(shù)，交換兩個(gè)染色體該點(diǎn)后的那部分位串。參與交叉的染色體是輪盤賭選出來(lái)的個(gè)體，并且還要根據(jù)選擇概率來(lái)確定是否進(jìn)行交叉（生成0-1之間隨機(jī)數(shù)，看隨機(jī)數(shù)是否小于規(guī)定的交叉概率），否則直接進(jìn)入變異操作。這個(gè)操作是產(chǎn)生新個(gè)體的主要方法，不過(guò)基因都來(lái)自父輩個(gè)體。 變異采用位點(diǎn)變異，對(duì)于二進(jìn)制位串，0變?yōu)?，1變?yōu)?就是變異。采用概率確定變異位，對(duì)每一位生成一個(gè)0-1之間的隨機(jī)數(shù)，看是否小于規(guī)定的變異概率，小于的變異，否則保持原狀。這個(gè)操作能夠使個(gè)體不同于父輩而具有自己獨(dú)立的特征基因，主要用于跳出局部極值。 遺傳算法認(rèn)為生物由低級(jí)到高級(jí)進(jìn)化，后代比前一代強(qiáng)，但實(shí)際操作中可能有退化現(xiàn)象，所以采用最佳個(gè)體保留法，也就是曾經(jīng)出現(xiàn)的最好個(gè)體，一定要保證生存下來(lái)，使后代至少不差于前一代。大致有兩種類型，一種是把出現(xiàn)的最優(yōu)個(gè)體單獨(dú)保存，最后輸出，不影響原來(lái)的進(jìn)化過(guò)程；一種是將最優(yōu)個(gè)體保存入子群，也進(jìn)行選擇、交叉、變異，這樣能充分利用模式，但也可能導(dǎo)致過(guò)早收斂。 由于是基本遺傳算法，所以優(yōu)化能力一般，解決簡(jiǎn)單問(wèn)題尚可，高維、復(fù)雜問(wèn)題就需要進(jìn)行改進(jìn)了。 下面為代碼。函數(shù)最大值為3905.9262，此時(shí)兩個(gè)參數(shù)均為-2.0480，有時(shí)會(huì)出現(xiàn)局部極值，此時(shí)一個(gè)參數(shù)為-2.0480，一個(gè)為2.0480。算法中變異概率pm=0.05，交叉概率pc=0.8。如果不采用最優(yōu)模式保留，結(jié)果會(huì)更豐富些，也就是算法最后不一定收斂于極值點(diǎn)，當(dāng)然局部收斂現(xiàn)象也會(huì)有所減少，但最終尋得的解不一定是本次執(zhí)行中曾找到過(guò)的最好解。
標(biāo)簽： 遺傳算法
上傳時(shí)間： 2015-06-04
上傳用戶：芃溱溱123
計(jì)算用，省時(shí)省力又方便古力大家多多運(yùn)用 計(jì)算用，省時(shí)省力又方便古力大家多多運(yùn)用
標(biāo)簽： 重疊電2016012
上傳時(shí)間： 2016-02-17
上傳用戶：栗子zxw
該類方法主要指的是活動(dòng)輪廓模型（active contour model）以及在其基礎(chǔ)上發(fā)展出來(lái)的算法，其基本思想是使用連續(xù)曲線來(lái)表達(dá)目標(biāo)邊緣，并定義一個(gè)能量泛函使得其自變量包括邊緣曲線，因此分割過(guò)程就轉(zhuǎn)變?yōu)榍蠼饽芰糠汉淖钚≈档倪^(guò)程，一般可通過(guò)求解函數(shù)對(duì)應(yīng)的歐拉(Euler．Lagrange)方程來(lái)實(shí)現(xiàn)，能量達(dá)到最小時(shí)的曲線位置就是目標(biāo)的輪廓所在。
標(biāo)簽： 圖像處理
上傳時(shí)間： 2016-03-07
上傳用戶：2009dd
這是復(fù)變函數(shù)論_鐘玉泉_第三版_高教_答案，對(duì)于學(xué)習(xí)復(fù)變函數(shù)有很大的參考作用
標(biāo)簽： 復(fù)變函數(shù)論_鐘玉泉_第三版_高教_答案
上傳時(shí)間： 2016-04-12
上傳用戶：15568787656
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
