-
用Qt实现科学计算器（完整代码）
使用Qt实现了科学计算器，功能类似于Windows自带的计算器，附带了比较全面的代码注释，科学计算器的具体设计原理可以访问我博客https://mp.csdn.net/postedit/81952851
- 2020-06-18下载
- 积分：1
-
自动寻峰谷算法matlab实现
自动寻峰谷算法matlab实现，非常不错，大师实现
- 2020-12-02下载
- 积分：1
-
个人博客系统PHP源码
一套完整的个人博客系统PHP源码，本人亲测可用。
- 2020-12-06下载
- 积分：1
-
Labview语音识别
利用LabVIEW开发的语音识别的程序，包含微软.net的system.speech以及科大讯飞内容。包含texttospeech 和 voice recognition
- 2021-05-06下载
- 积分：1
-
Fraclab MATLAB分形工具箱
可以使用的分形工具箱
- 2020-12-12下载
- 积分：1
-
sklearn0.19中文文档
sklearn0.19中文文档 PDF格式高清。.1. 广义线性模型1.1.1. 普通最小二乘法1.1.1.1. 普通最小二乘法复杂度1.1.2. 岭回归1.1.2.1. 岭回归的复杂度1.1.2.2. 设置正则化参数：广义交叉验证1.1.3. Lasso1.1.3.1. 设置正则化参数1.1.3.1.1. 使用交叉验证1.1.3.1.2. 基于信息标准的模型选择1.1.3.1.3. 与 SVM 的正则化参数的比较1.1.4. 多任务 Lasso1.1.5. 弹性网络1.1.6. 多任务弹性网络1.1.7. 最小角回归1.1.8. LARS Lasso1.1.1.监督学习1.1.广义线性模型o1.1.1.普通最小二乘法1.1.1.1.普通最小二乘法复杂度o1.1.2.岭回归1.1.2.1.岭回归的复杂度1.1.22.设置正则化参数:广义交叉验证o 113. Lasso■1.1.3.1.设置正则化参数1.1.3.1.1.使用交叉验证■1.1.3.1.2.基于信息标准的模型选择1.1.3.1.3.与SVM的正则化参数的比较o1.1.4.多任务 Lassoo1.1.5.弹性网络o1.1.6.多任务弹性网络o1.1.7.最小角回归o.8. LARS Lasso■1.1.8.1.数学表达式o1.1.9.正交匹配追踪法(OMP)o1.1.10.贝叶斯回归1.1.10.1.贝叶斯岭回归1.1.10.2.主动相关决策理论-ARD1.1.11. logistic回归o1.1.12.随机梯度下降,SGDo1.1.13. Perceptron(感知器)o1.1.14. Passive Aggressive Algorithms(被动攻击算法)o1.1.15.稳健回归( Robustness regression):处理离群点( outliers)和模型错误1.1.15.1.各种使用场景与相关概念■1.1.15.2. RANSAC:随机抽样一致性算法( RANdomSAmple Consensus1.1.15.2.1.算法细节1.1.15.3.Thel-sen预估器:广义中值估计1.1.153.1.算法理论细节1.1.154. Huber回归1.1.155.注意1.1.16.多项式回归:用基函数展开线性模型1.2.线性和二次判别分析o1.2.1.使用线性判别分析来降维o12.2.LDA和QDA分类器的数学公式o123.LDA的降维数学公式o1.2.4. Shrinkage(收缩)o12.5.预估算法1.3.内核岭回归1.4.支持向量机o1.4.1.分类■1.4.1.1.多元分类■1.4.1.2.得分和概率1.4.1.3.非均衡问题1.4.2.回归o143.密度估计,异常( novelty)检测o1.4.4.复杂度o1.4.5.使用诀窍o1.4.6.核函数1.4.6.1.自定义核14.6.1.1.使用 python函数作为内核1.4.6.1.2.使用Gram矩阵14.6.1.3.RBF内核参数o1.4.7.数学公式1.4.7.1.sVC■1.4.7.2. NuSVo1.4.7.3.sVRo14.8.实现细节1.5.随机梯度下降o1.5.1.分类o1.5.2.回归1.5.3.稀疏数据的随机悌度下降o1.5.4.复杂度o1.5.5.实用小贴士o1.5.6.数学描述■1.5.6.1.SGDo1.5.7.实现细节1.6.最近邻o1.6.1.无监督最近邻■1.6.1.1.找到最近邻1.6.1.2. KDTree和 BallTree类1.62.最近邻分类o16.3.最近邻回归o1.6.4.最近邻算法1.64.1.暴力计算■1.6.4.2.K-D树1.64.3.Ba|树■1.6.4.4.最近邻算法的选择1.6.4.5.1 eaf size的影响o165.最近质心分类1.6.5.1.最近缩小质心1.7.高斯过程o1.7.1.高斯过程回归(GPR)o1.7.2.GPR示例1.7.2.1.具有噪声级的GPR估计1.722.GPR和内核岭回归( Kernel Ridge Regression)的比较1.7.2.3. Mauna loa co2数据中的GRRo1.7.3.高斯过程分类(GPC)o1.7.4.GPC示例1.7.4.1.GPC概率预测■1.74.2.GPC在XOR数据集上的举例说明■1.7.4.3.iris数据集上的高斯过程分类(GPC)o1.7.5.高斯过程内核1.7.5.1.高斯过程内核AP■1.7.5.2.基础内核■1.7.5.3.内核操作1.7.5.4.径向基函数内核1.7.5.5. Matern内核1.7.5.6.有理二次内核1.7.5.7.正弦平方内核1.7.58.点乘内核■1.7.5.9.参考文献o1.7.6.传统高斯过程1.7.6.1.回归实例介绍1.7.62.噪声数据拟合17.6.3.数学形式1.7.6.3.1.初始假设■1.7.6.32.最佳线性无偏预测(BLUP)1.7.6.3.3.经验最佳线性无偏估计( EBLUP)1.7.6.4.关联模型1.7.6.5.回归模型1.7.6.6.实现细节1.8.交叉分解1.9.朴素贝叶斯o1.9.1.高斯朴素贝叶斯o1.92.多项分布朴素贝叶斯1.9.3.伯努利朴素贝叶斯1.9.4.堆外朴素贝叶斯模型拟合1.10.决策树o1.10.1.分类o1.10.2.回归o1.10.3.多值输出问题o1.10.4.复杂度分析o1.10.5.实际使用技巧1.10.6.决策树算法:ID3,C4.5,c5.0和CARTo1.10.7.数学表达1.10.7.1.分类标准■1.10.7.2.回归标准1.11.集成方法o1.111. Bagging meta-estimator( Bagging元估计器)o1.11.2.由随机树组成的森林1.11.2.1.随机森林1.11.2.2.极限随机树1.11.2.3.参数1.11.24.并行化1.11.2.5.特征重要性评估1.11.2.6.完全随机树嵌入o 1.113. AdaBoost1.11.3.1.使用方法o1.114. Gradient Tree Boosting(梯度树提升)1.11.4.1.分类1.11.42.回归1.114.3.训练额外的弱学习器1.11.4.4.控制树的大小■1.11.4.5. Mathematical formulation(数学公式)■1.11.4.5.1. LoSS Functions(损失函数)1.114.6. Regularization(正则化)■1.14.6.1.收缩率( Shrinkage)■1.1.4.6.2.子采样( Subsampling)■1.11.4.7. Interpretation(解释性)1.114.7.1. Feature importance(特征重要性)1.114.7.2. Partial dependence(部分依赖)o1.11.5. Voting Classifier(投票分类器)1.115.1.多数类标等(又称为多数/硬投票)1.11.5.1.1.用法■1.11.52.加权平均概率(软投票)1.11.5.3.投票分类器( Voting Classifier)在网格搜索( Grid search)应用1.11.5.3.1.用法1.12.多类和多标签算法o1.12.1.多标签分类格式o1.12.2.1对其余1.122.1.多类学习1.122.2.多标签学习o1.12.3.1对11.12.3.1.多类别学习o1.12.4.误差校正输出代码1.12.4.1.多类别学习o1.12.5.多输出回归o1.12.6.多输出分类o1.12.7.链式分类器·1.13.特征选择1.13.1.移除低方差特征o1.13.2.单变量特征选择o1.13.3.递归式特征消除o1.13.4.使用 Select From Mode选取特征■1.13.4.1.基于L1的特征选取1.13.4.2.基于Tree(树)的特征选取1.13.5.特征选取作为 pipeline(管道)的一部分1.14.半监督学习o1.14.1.标签传播1.15.等式回归1.16.概率校准1.17.神经网络模型(有监督)o1.17.1.多层感知器o1.17.2.分类o1.17.3.回归o1.17.4.正则化o1.17.5.算法o1.17.6.复杂性o1.17.7.数学公式o1.178.实用技巧o1.17.9.使用 warm start的更多控制
- 2021-05-06下载
- 积分：1
-
10KV 高压开关柜 完整电气图纸 一次图+二次图
【实例简介】10KV高压开关柜完整电气图纸（一次图+二次图）
- 2021-11-11 00:32:46下载
- 积分：1
-
数字图像处理（冈萨雷斯）书本全部完整原图片库
共十二章，书上有的图片对应全部都有，都是原格式的高清的
- 2021-05-06下载
- 积分：1
-
多重分形谱计算程序matlab
多重分形谱计算程序matlab，可用于股市分析等。有问题希望大家及时反馈给我。
- 2020-12-06下载
- 积分：1
-
东北大学——现代控制理论——课件
现代控制理论课件，详细的介绍了现代控制理论的相关知识点§1.1现代控制理论的形成和发展、经典控制理论的形成与发展18世纪初19世纪20世纪40年代萌芽发展形成阶段阶段体系Northeastern University球止又于1、萌芽阶段随着科学技术与工业生产的发展,到十八世纪,自动控制技术逐渐应用到现代工业中。其中最卓越的代表是瓦特( J. Watt)发明的蒸汽机离心调速器,加速了第一次工业革命的步伐瓦特Northeastern University球止又于2、发展阶段1868年马克斯韦尔(J.C. Maxwel1)解决了蒸汽索机调速系统中出现的剧烈振荡的不稳定问题,提出了简单的稳定性代数判据马克斯韦尔(JC. Maxwe11)Northeastern University球止又于3、形成体系阶段1895年劳斯( Routh)与赫尔维茨( Hurwitz)把与克斯韦尔的思想扩展到高阶微分方程描述的更复杂的系统中,各自提出了两个著名的稳定性判据一劳斯判据和赫尔维茨判据。基本上满足了二十世纪初期控制赫尔维茨( Hurwitz)工程师的雷要Northeastern University由于第二次世界大战需要控制系统具有准确跟踪与补偿能力,1932年奈奎斯特(H. Nyquist)提出了频域内研究系统的频率响应法,为具有高质量的动态品质和静态准确度的军用控制系统提供了所需的分析⊥具。奈奎斯特Northeastern University4、经典控制理论的特点和局限性(1)以SIS0线性定常系统为研究对象(2)以拉氏变换为工具,以传递函数为基础在频率城中分析与设计(3)难以有效地应用于时变系统、多变量系统(4)难以有效地应用于非线性系统Northeastern University二、现代控制理论的形成与发展20世纪50年代60~80年代80年代后萌芽发展形成阶段阶段体系Northeastern University1.五十年代后期,贝尔曼( Bellman)等人提出了状态分析法;在1957年提出了动态规划。2.1959年卡尔曼( Kalman)和布西创建了卡尔曼滤波理论;1960年在控制系统的研究中成功地应用了状态空间法,并提出了可控性和可观测性的新概卡Northeastern University
- 2021-05-06下载
- 积分：1
