4321

积分:0
上传文件:2
下载次数:82
注册日期:2016-01-05 19:12:34

上传列表
code-builder_whdri8.zip - 初学matlab课程的作业,本程序是在Matlab R2009b环境下编写的一个计算器的小程序,包括加法,减法,HSKscu计算,USgLsHh计算,是Matlab的GUI编程的很好例子。 ,2016-01-06,下载1次
x_2orb10.zip - 我在毕业设计时编写的遗传算法MATLB程序,具有比较好的通用性,里面有遗传算法的选择、交叉、变异函数,包括仓库问题,MvJDbv问题, hjdeAHq问题等遗传算法例子。 ,2016-01-05,下载1次

近期下载
Linear-regression-analysis.rar - 对采集的样例数据进行回归分析,包括一元、多元和病态回归三种情况,并在一定执行概率给出置信区间和回归预测
fitness.rar - 曲线拟合法:本方法分别利用一元线性函数、对数函数、指数函数和抛物线函数对数据拟合,取拟合优度判定系数最大者作为预测模型,得出预测值及预测区间(置信度为0.95)
fenbu.rar - 其中包括威布尔、正太、极大极小、指数、对数、概率分布,可实现对一组数据的各种分布的计算。
mypdfgauss.rar - 一个关于高斯模型的概率分布图的生成的小程序,欢迎下载
GaussianMixture.zip - 高斯混合模型就是用高斯概率密度函数(正态分布曲线)精确地量化事物,它是一个将事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型。
Judgment-function-distribution-code.rar - 判断一组数据的概率分布函数,包括正态分布、泊松分布、伽马分布等。
alpha-matlab.rar - matlab产生Alpha稳定分布随机数;Alpha稳定分布概率密度函数计算;Alpha稳定分布的分布函数计算等
all.tar.gz - 最全的概率分布,很多的概率分布,对统计学习很有帮助。
jinjin3.rar - 数据处理及误差分析采用了matlab软件来实现,它的界面虽然没有VB等直观简便,但其可调用的函数多,实现起来比较方便,程序中已经实现的功能有: (1)求算术平均值; (2)求残余误差(绝对误差); (3)求标准差; (4)判断粗大误差,如果发现粗大误差,剔除粗大误差后再进行计算; (5)判断数据是否具有线性误差或者周期性误差。
my_GGD.rar - 广义高斯模型参数估计,效果相当不错! 广义高斯模型参数估计,效果相当不错!
cauchypdf.rar - 仿照正态分布normpdf,写的一个柯西分布概率密度函数
RandomDistribute_simu.rar - 仿真产生十种概率分布的随机序列,包括均匀分布、高斯分布、指数分布、广义指数分布、混合指数分布、韦布尔分布、瑞利分布 广义瑞利分布、拉普拉斯分布、柯西分布等,并进行参数检验,概率分布检验和独立性检验
windfarm.zip - 本资料包括风电场一年内的风速实测数据,并根据实测数据对风电场风速和输出功率进行预测和建模仿真,希望对大家有帮助。
kmedoids.zip - 此文档经过k中心点处理过后的风电数据,最后采用极限学习机验证的代码
FOA-ELM.rar - 算法思想是:1) 根据果蝇优化算法得到极速学习机隐层神经元的数目;2) 依据得到的隐层神经元数目和极限学习机的方法对训练样本和测试样本进行训练学习。只要打开fruitfly_elm.m文件运行即可,可以换数据集
ELM_EELM_YELM.rar - ELM和ELM_2是现在流行的超强学习机(也叫极限学习机)源码 EELM是有效ELM的源码 (EELM发表于neuralcomputing ,作者:yuguangwang) YELM是一种改进的ELM的源码(已发表,作者:yuboyuan) 这个程序是三者的方法比对。 相关理论,可以用作者找文章。 运行时,要运行pendigits_mean就可以了!
OS-ELM.zip - 线性极限学习机,对于黄广斌提出的极限学习机进行改进后的代码
PSO-LSSVM-Load-Forecast.rar - PSO-LSSVM负荷预测程序,程序非常的详细规范,适合初学者
PSO_LSSVM.zip - 粒子群优化最小二乘支持向量机的代码。内附测试数据可直接套用。
cluster_VMDaFCM_casedat.zip - 为了精准、稳定地提取滚动轴承故障特征,提出了基于变分模态分解和奇异值分解的特征提取方法,采用标准模糊C均值聚类(fuzzy C means clustering, FCM)进行故障识 别。对同一负荷下的已知故障信号进行变分模态分解,利用 奇异值分解技术进一步提取各模态特征,通过FCM形成标准聚类中心,采用海明贴近度对测试样本进行分类,并通过计算分类系数和“卜均模糊嫡对分类性能进行评价,将该方法 应用于滚动轴承变负荷故障诊断。通过与基于经验模态分解的特征提取方法对比,该方法对标准FCM初始化条件小敏感,在同负荷故障诊断中表现出更好的分类性能 变负荷故障诊断时,除外圈故障特征线发生明显迁移,其他测试样本故障特征线仍在原聚类中心附近,整体故障识别率保持在100 ,因此,该方法能精确、稳定提取故障特征,为实际滚动轴承智能故障诊断提供参考。

收藏