Fig563

BP神经网络设计自适应逆控制器，实现无模型控制(BP neural network design adaptive inverse controller, model control)

matlab code for wind assessment

使用matlab在数字图像处理中画直方图,放大，缩小图像等的小程序(using matlab to draw histogram,zoom in or zoom out in DIP)

matlab-sor实现matlab上的sor迭代法(Matlab- sor achieve the Matlab sor iterative method)

空间矢量svpwm控制的matlab仿真模型(Space vector svpwm control matlab simulation model)

实现聚类K均值算法： K均值算法：给定类的个数K，将n个对象分到K个类中去，使得类内对象之间的相似性最大，而类之间的相似性最小。 缺点：产生类的大小相差不会很大，对于脏数据很敏感。 改进的算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）中，顺序选取一个Or，计算用Or代替Oi后的消耗—E（Or）。选择E最小的那个Or来代替Oi。这样K个medoids就改变了，下面就再转到2。 4，这样循环直到K个medoids固定下来。 这种算法对于脏数据和异常数据不敏感，但计算量显然要比K均值要大，一般只适合小数据量。(achieving K-mean clustering algorithms : K-means algorithm : given the number of Class K, n will be assigned to target K to 000 category, making target category of the similarity between the largest category of the similarity between the smallest. Disadvantages : class size have no great difference for dirty data is very sensitive. Improved algorithms : k-medoids methods. Here a selection of objects called mediod to replace the center of the above, the logo on a medoid this category. Steps : 1, arbitrary selection of objects as K medoids (O1, O2, Ok ... ... Oi). Following is a cycle : 2, the remaining targets assigned to each category (in accordance with the closest medoid principle); 3, for each category (Oi), the order of selection of a Or, calculated Oi Or replace the consumption-E (Or))

基于梯度下降法的RBF神经网络算法设计仿真(Design and Simulation of RBF neural network algorithm based on gradient descent method )

matlab中文手册，主要包括一些基本的函数的说明与使用，适用于matlab初学者(Matlab Chinese manual, including description of some of the basic function and use, suitable for beginners matlab)

travel guide to helsinki

Matlab经典算法之数据分析，概率统计，回归等程序(Matlab classical algorithm of data analysis, probability and statistics, regression and other procedures)