第五章结构化程序设计概论 学习目标 1.熟悉数据的基本概念,掌握数据的表示方法 2.熟悉代码的基本概念,掌握代码的控制方法 3.熟悉算法的基本概念,了解算法、程序与代码的关系 4.掌握结构化程序设计的一般方法 5.了解问题规模与程序控制结构之间的关系 6.掌握程序测试的基本方法与手段 7.了解代码优化的基本策略

最小方差无偏估计和有效估计是在某种意义下的最 优估计,两者既有区别又有密切的关系。如果求出 参数θ的一个估计量θ,判别其是否为最小方差无偏 估计或有效估计,显然具有重要的意义。倘若能直 接求出参数θ的最小方差无偏估计或有效估计,则 将更加令人满意,本节将研究这些问题

一、实验目的: 1 掌握中规模集成电路的功能及使用方法 2 学习用“反馈归零法”和“反馈置数法”构成 N进制计数器的方法 3 学会中规模集成电路的分析方法、设计方法和测试方法

为了提高永磁同步电机的转速控制性能,克服扰动对伺服控制的影响,提出了一种基于新型趋近律和扰动观测器的滑模控制方法.设计了一种新型趋近律,以解决传统趋近律滑模面趋近时间和系统抖振之间的矛盾,提高系统响应快速性.综合考虑系统存在内部参数摄动和外部负载扰动,设计了滑模扰动观测器,并将观测值前馈补偿到速度控制器输出端;将观测器切换增益设计为扰动观测误差的函数,以削弱滑模观测值抖振.仿真结果显示,与传统趋近律相比,采用新型趋近律可有效提高系统的响应速度,快速准确的跟踪速度阶跃信号;滑模观测器可准确的观测系统扰动的变化;当系统加入负载扰动时,PI控制最大转速波动值为75 r·min-1,而基于新型趋近律和扰动观测器的滑模控制最大转速波动值较小为30 r·min-1,鲁棒性更好.实验结果显示,采用基于新型趋近律和扰动观测器的滑模控制方法可以快速跟踪400 r·min-1的速度指令,调节时间为0.12 s,稳态跟踪误差为±4 r·min-1,且转速无超调;滑模观测器可准确无超调的估计系统扰动值,进一步提高系统的抗扰动性能;当电机以400 r·min-1稳速运行时,加入0.6 N·m的负载扰动,基于新型趋近律和扰动观测器的滑模控制方法最大转速波动为23 r·min-1,与PI控制相比,转速波动减小了8%.上述仿真和实验结果具有较好的一致性,表明基于新型趋近律和扰动观测器的滑模控制方法可以有效抑制滑模控制系统的抖振,提高转速控制系统的鲁棒性和动态响应性能

目前液压凿岩机冲击器结构参数设计,一般仅考虑满足凿岩参数（冲击功、冲击未速、冲击频率或周期）指标、而在参数优化方面尚无成熟的方法。本文则对这一问题进行了探讨,提出冲击器结构参数优化设计可以系统压力脉动及液压冲击最小为目的进行,它具有十分明显的工程意义。为此,将冲击器动力学模型近似简化处理为“等加速”型模型,指出寻求最优结构参数,实质是一个寻求最优“开关”控制问题;由此导出作用在冲击活塞上的液压力与冲击器结构参数的解析关系,使求泛函的极值问题能化为一般函数的极值问题。进而具体给出了以蓄能器容积变化和液压冲击最小为目标,建立指标函数的最优设计方法

Logit模型和 Probit模型 U, =V;+;(7.3.1)假定有2种可选方式。个人n选择方式1是因为方式1的效用U大于方式2的效用U2,即

在遥感影像分割分类中,种子区域生长算法是一种常见的分割算法.传统的种子区域生长算法只能提取单一连续的、纹理简单的目标地物,而对具有复杂纹理和多光谱特征的遥感影像,分割时存在分割效果差、不能同时有效地提取多个地物的问题.针对以上问题,本文提出了一种改进的面向对象的自动多种子区域生长算法.该方法适用于同时提取多个目标地物,且分割效果好.该方法首先使用一种改进的中值滤波对影像进行平滑处理,使目标内部一致性更高,同时保留纹理信息.然后通过一定的准则进行自动种子选取并进行生长,最后对生长后的区域进行碎斑合并处理,最终得到多种对象的分割结果.本文采用三组不同大小的1 m空间分辨率的航空影像进行实验,通过与分水岭以及传统单种子区域生长算法的多组实验对比,发现该方法可以面向全局对象,自动选取覆盖各种地物类型的种子,同时对多种地物目标进行分割处理,可为后续面向对象影像分析和应用提供可靠的数据基础

针对模糊边缘的红外目标提取问题,提出一种基于流形正则化多核半监督分类的提取方法.首先应用最大类间方差法计算初始分割阈值,获得确定化的目标和背景区域以及待确定化的模糊边缘区域;然后建立各区域内像素点邻域空间集,并通过多核函数特征映射获得邻域空间中灰度均值和方差信息特征值,通过流形正则获得邻域空间中位置信息特征值;在特征值基础上,建立半监督分类模型对模糊边缘区域像素点邻域空间集进行类别划分;最后计算最佳分割阈值.对比实验结果表明,该方法提取模糊边缘红外目标效果好且运算效率高

7.4随机变量的数字特征 7.4.1高散型随机变量的数学期望和方差 7.4.2连续型随机变量的数学期望和方差 7.4.3常见随机变量的数学期望和方差 7.4.4随机变量函数的数学期望和方差

一、结构化生命周期方法 二、快速原型方法 三、面向对象设计方法 四、客户/服务器应用规划综述