讨论1种对无约束目标函数采用变量矩阵算法求解最优值的方法,变量矩阵算法的特点是利用矩阵迭代计算,收敛速度快,过程较稳定.对于一类可逼近模拟曲线的最佳拟合,可以迭代出符合要求的参数值.作为较典型的应用实例。设计1种幅度均衡器.通过迭代搜索找出满足衰耗误差的元件值,说明曲线拟合达到了预期的效果

实验6FFT算法的应用 实验目的:加深对离散信号的DFT的理解及其FFT算法的运用。 实验原理:N点序列的DFT和IDFT变换定义式如下: n=0 N k=0 利用旋转因子W=e具有周期性,可以得到快速算法 (FFT)。 在 MATLAB中,可以用函数x=fft(x,n)和=ifft(N)计算 N点序列的DFT正、反变换。 实验内容:

一、在柱坐标系下的计算法 设M(x,y,z为空间内一点,并设点M在xoy面上的投影P的极坐标为r,0,则这样的三个数r,0,z就叫点M的柱面坐标

选择幂级数模型描述了过剩自由能项,并从二、三元实测相图上用数据优化程序获得了所需热力学参数和交互作用系数,进而用多元相平衡计算法成功地预测了镍、钴,铬基合金中σ相的析出

一、在柱坐标系下的计算法 个数 就叫点 的柱面坐标． 面上的投影 的极坐标为 ，则这样的三 设 为空间内一点，并设点 在 r z M

一、在柱坐标系下的计算法 设M(x,y,z为空间内一点,并设点M在xoy面上的投影P的极坐标为r,0,则这样的三个数r,0,z就叫点M的柱面坐标

第一节 二重积分的概念与性质 一、引例 二、二重积分的定义 三、二重积分的性质 第二节 二重积分的计算法 一、利用直角坐标计算二重积分 二、利用极坐标计算二重积分 第三节 三重积分 一、三重积分的概念 二、三重积分的计算 第四节 重积分的应用 一、曲面的面积 二、质心 三、转动惯量

第一节 二重积分的概念与性质 一、问题的提出 二、二重积分的概念 三、二重积分的性质 第二节 二重积分的计算法(1)利用直角坐标计算二重积分 第二节 二重积分的计算(2) 一、利用极坐标系计算二重积分 二、小结 第三节 二重积分的应用

传统人群搜索(SOA)算法通过计算搜索方向、搜索步长和搜寻更新个体位置三个步骤进行寻优.它的缺点在于计算量大,种群之间信息交流少,导致寻优速度慢.针对人群搜索算法存在的缺点,本文提出二项交叉算子改进人群搜索算法(BCOISOA)对其改进.在计算搜索步长方面,本文采用随机数与最大函数值位置乘积判断子群位置,进而提高全局寻优计算速率.在更新位置方面,本文提出二项交叉算子加强种群之间的联系,避免在更新搜索方向过程中,算法因局部最优而导致过早收敛,进而达到快速、准确寻找最优解的目的.本文将以上二项交叉算子改进人群搜索-BP神经网络算法应用在二段式磨矿过程中,实现磨矿粒度在线软测量.仿真结果表明,与人群搜索算法和粒子群算法进行比较,二项交叉算子改进人群搜索算法收敛速度更快,预测精度最高,满足对磨矿粒度实时检测的要求

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度