针对由一阶智能体和二阶智能体组成的离散异质多智能体系统,研究其一致性问题.设计无通信时延和具有有界通信时延时的分布式一致性协议,通过将系统转化为自治的离散时间线性时不变系统,运用矩阵理论和代数图论方法,分析得到系统实现一致性的充分条件.获得的充分条件与采样周期、控制参数和系统的拓扑结构有关.证明了系统的一致性不受有界通信时延影响.数值仿真结果验证了理论结果的正确性

MATLAB意为“矩阵实验室”，源自 Matrix Laboratory ，它是一种科学计算软件。 Matlab语言是由美国的Clever Moler博士于1980年。开发的设计者的初衷是为解决“线性代数”课程的矩阵运算问题。 目前MATLAB已经成为国际上最流行的软件之一，除了可提供传统的交互式的编程方法之外，还能提供丰富可靠的矩阵运算、图形绘制、数据处理、图像 处理和Windows编程工具等。因而出现了各种以MATLAB为基础的工具箱，应用于自动控制、图像信号处理、生物医学工程、语音处理、信号分析、时序 分析与建模、优化设计等广泛的领域，表现出了一般高级语言难以比拟的优势。 美国Mathwork软件公司推出的Matlab软件就是为了给人们提供一个方便的数值计算平台而设计的

《硅微机械传感器》 《科研方法论》 《嵌入式系统设计》 《有限元方法及应用》 《专业英语》 《FPGA 设计及应用》 《半导体器件物理》 《电子技术基础及应用》 《固体物理学》 《集成电路 EDA》 《集成电路设计及应用》 《检测技术与系统设计》 《纳米材料与器件》 《声学基础》 《微电子工艺原理与仿真》 《文献阅读与学术写作》 《现代数字信号处理》 《移动互联网应用及开发》 《薄膜材料及技术》 《VLSI 数字集成电路基础》 《半导体光电子学》 《材料表征与检测》 《电子功能材料与元器件》 《集成电路版图设计》 《拉曼光谱学》 《微波器件与电路》 《半导体器件建模与仿真实训》 《传感器设计实训》 《高等模拟集成电路分析与设计》 《工程项目及创新实践》 《集成电路工程设计实训》 《数模混合信号集成电路设计实训》 《微电子器件》 《压电学》 《智能传感器系统设计》 《MEMS 传感器》 《传感器技术及应用》 《水声换能器及阵列技术》 《代数学》 《多元统计分析》 《泛函分析》 《非参数统计》 《高等概率论》 《高等数理统计学》 《孤子与可积系统》 《矩阵理论及其应用》 《科学计算》 《偏微分方程》 《人工智能理论》 《数值逼近》 《数值代数》 《算法分析与程序设计》 《微分方程数值解》 《微分几何》 《现代密码学》 《现代统计计算方法》 《最优化理论与方法》 《高等工程数学 A》 《高等工程数学 B》

第一章 初等数学 第二章 解析几何 第三章 线性代数 第四章 微分学 第五章 积分学 第六章 向量与场论初步 第七章 级数 第八章 复变函数 第九章 积分变换 第十章 特殊函数 第十一章 常微分方程 第十二章 偏微分方程 第十三章 积分方程 第十四章 概率论 第十五章 数理统计方法 第十六章 随机过程 第十七章 统计计算方法 第十八章 误分析插值法曲线拟合 第十九章 数值微分·数值积分·积分方程数值解 第二十章 线性方程组的解法·矩阵求逆 第二十一章 方程解法、非线性方程组解法 第二十二章 矩障特征值的计算 第二十三章 常微分方程数值解法 第二十四章 偏微分方程的有限差分方法 第二十五章 偏微分方程的有限元方法及其他方法 第二十六章 离散数学 第二十七章 模糊数学 第二十八章 组合数学 第二十九章 现代控制论 第三十章 信息论 第三十一章 系统工程

1 导言 2 基本原理与概念 2.1 基本原理 2.2 对象的产生，排列及删除 2.3 在线帮助 3 R的数据操作 3.1 对象 3.2 在文件中读写数据 3.3 存储数据 3.4 生成数据 3.4.1 规则序列 3.4.2 随机序列 3.5 使用对象 3.5.1 创建对象 3.5.2 对象的类型转换 3.5.3 运算符 3.5.4 访问一个对象的数值：下标系统 3.5.5 访问对象的名称 3.5.6 数据编辑器 3.5.7 数学运算和一些简单的函数 3.5.8 矩阵计算 4 R绘图 4.1 管理绘图 4.1.1 打开多个绘图设备 4.1.2 图形的分割 4.2 绘图函数 4.3 低级绘图命令 4.4 绘图参数 4.5 一个实例 4.6 grid 和lattice 包 5 R的统计分析 5.1 关于方差分析的一个简单例子 5.2 公式 5.3 泛型函数 5.4 包 6 R编程实践 6.1 循环和向量化 6.2 用R写程序 6.3 编写你自己的函数 7 R 相关的文献

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

第一节时间数列概述 第二节时间数列的水平分析指标 第三节时间数列的速度分析指标

• 1. 一组数据向其中心值靠拢的倾向和程度 • 2. 测度集中趋势就是寻找数据一般水平的 代表值或中心值 • 3. 不同类型的数据用不同的集中趋势测度 值 • 4. 低层次数据的集中趋势测度值适用于高 层次的测量数据，反过来，高层次数据的 集中趋势测度值并不适用于低层次的测量 数据 • 5. 选用哪一个测度值来反映数据的集中趋 势，要根据所掌握的数据的类型来确定

◼ 商务智能概述 ◼ 在线分析处理OLAP技术 ◼ 数据挖掘技术和方法* ◼ 数据挖掘过程 ◼ 数据仓库 ◼ 商务智能应用*

第一节 时间数列概述 第二节 时间水平指标分析 第三节 时间数列的速度分析指标