说明：灰色预测模型称为CM模型，G为grey的第一个字母，M为model的第一个字母。GM（1，1）表示一阶的，一个变量的微分方程型预测模型。GM（1，1）是一阶单序列的线性动态模型，主要用于时间序列预测。 一、GM（1，1）建模 设有数列 共有 个观察值 对 作累加生成，得到新的数列 ，其元素 ...

others

说明：手写体数字识别的基本过程：系统主要由手写体数字识别的训练过程和识别过程组成：，训练过程和识别过程均包括预处理、特征提取和模式识别三部分。一般包括如下过程：获取数据（用计算机来获取或显示数据）→预处理（去噪声，提取有用信息，对其他因素所造成的退化进行复原）→特征提取(对待测数字提取明显特征，与样板进行...

说明：包括脚本文件和函数文件形式，针对EMD方法的不足,使用拉亚普诺夫指数的公式，主同步信号PSS在时域上的相关仿真，从先验概率中采样，计算权重，可以实现模式识别领域的数据的分类及回归。

说明：假设一个交换系统有M部电话，每个用户在很短的时间（单位时间内）呼叫一次的概率为P；用户间呼入的时刻相互独立，当M很大，P很小时，时间t内到达交换机的呼叫次数构成泊松过程N(t)。 1、确定此泊松过程的参数。利用计算机仿真N(t)的生成过程。注意合理选择M和P，时间分辨率为一个单位时间。 2、为了比...

泊松过程的生成及其统计分析 随机过程 泊松 不确定理论 p参数假设验证

说明：RBF为径向基函数，RBF网络把网络看作对未知函数的逼近器。输入信号为正弦信号u(k)=0.35sin(3*pi*t)，采用时间为0.001s,网络隐层神经元个数取m=4，网络结构为输入层2-隐层4-输出1，网络的出事全职取随机值，高斯函数的初始值取Cj=[0.65,0.65]T,B=[1.35,1...

神经元-pi RBF-PI RBF 神经网络-matlab RBF-神经网络

说明：本书附带光盘中包括了作者全书所有自己编写的算法对应的MATLAB的M文件。所有代码按照章节存放在各个文件夹下，如“第6章 无约束一维极值问题”文件夹下存放了本书第6章所有的算法程序代码。对于算法的程序代码，在光盘中存为同函数名的M文件，例如，minHJ.m表示用黄金分割法求解一维函数的极值的程序，依...

优化工具箱 粒子群优化算法

说明：用α-β滤波器结合卡尔曼滤波器对相位差及其变化率数据进行处理,提高数据的测量精度,从而为进行机载单站无源定位提供高精度数据.给出了误差均方差作为精度指标.

α滤波 单站定位 误差变化率 机载 定位 单站

说明：利用连续小波变换实现对地震信号的拓频 本程序可以实现对高频小波系数的提取、放大。

小波变换 地震信号 拓频

说明：分析传统双向渐进结构优化方法（Bi-directional evolutionary structural optimization，简称BESO）存在不足的基础上，针对性的对数值计算进行了合理的改进。并在此基础上分别对宏观结构、微结构优化、材料/结构一体化等相关问题进行了多尺度、多相复合材料布局及...

双向渐进结构 BESO

说明：ARIMA 模型是在平稳的时间序列基础上建立起来的，因此时间序列的平稳性是建模的重要前提。检验时间序列模型平稳的方法一般采用 ADF 单位根检验模型去检验。当然如果时间序列不稳定，也可以通过一些操作去使得时间序列稳定（比如取对数，差分），然后进行 ARIMA 模型预测，得到稳定的时间序列的预测结果，...

ARIMA 预测 ARIMA模型 时间序列模型 预测