chapter13_GA

基于MATLAB和声卡的信号发生器。产生正弦波。适用与初学者。界面友好(Based on MATLAB and sound card signal generator. Generated sine wave. Application and beginners. Friendly interface)

加权最小二乘双支持向量机算法应用实例，作为学习双支持向量机的例子应用(Weighted least squares double support vector machine)

说明：  该压缩包内为非线性格兰杰因果关系检验代码，欢迎大家下载(The compression package contains the non-linear Granger causality test code, welcome to download)

matable下编的一个算法！线性阈值分类器运用AdaBoost算法！(An Algorithm for under matable! The use of linear threshold classifier AdaBoost algorithm!)

matlab实现相关器，用相关原理检测噪声中的微弱信号(matlab implementation correlator with the relevant principles of weak signal detection in noise)

电能质量检测模块，能检测谐波、频率，以及电压暂升或暂降(Power quality detection module detects harmonics, frequency, and voltage dips temporarily rise or)

现有的PID参数优化方法往往难以同时兼顾系统对快速性、稳定性与鲁棒性的要求，本文针对这一缺陷，提出了一种多目标PID优化设计方法——在满足系统的鲁棒性的前提下，以超调量、上升时间和调整时间最小作为多目标优化的子目标，并将NSGA-Ⅱ与PGA相结合对其求解。该算法求得的Pareto最优解分布均匀，收敛性和鲁棒性好，决策者可根据实际系统的要求在Pareto解集中选择最终的满意解，这为快速性、稳定性与鲁棒性的权衡分析提供了有效的工具。仿真结果表明本文设计方法的有效性和优越性。()

说明：  用matlab完成感知准则函数确定程序的设计，写出准则函数，详细说明实验原理。(using Matlab perceptual function for the completion of the procedures for determining the design, write guidelines function, detailed experimental principle.)

标准粒子群优化算法的程序。运用matlab编写。(Standard particle swarm optimization procedures. Using matlab prepared.)

克里金法广泛地应用于地下水模拟、土壤制图等领域，是一种很有用的地质统计格网化方法。它首先考虑的是空间属性在空间位置上的变异分布．确定对一个待插点值有影响的距离范围，然后用此范围内的采样点来估计待插点的属性值。该方法在数学上可对所研究的对象提供一种最佳线性无偏估计(某点处的确定值)的方法。它是考虑了信息样品的形状、大小及与待估计块段相互间的空间位置等几何特征以及品位的空间结构之后，为达到线性、无偏和最小估计方差的估计，而对每一个样品赋与一定的系数，最后　进行加权平均来估计块段品位的方法。(Kriging is a technique that provides the Best Linear Unbiased Estimator of the unknown fields (Journel and Huijbregts, 1978 Kitanidis, 1997). It is a local estimator that can provide the interpolation and extrapolation of the originally sparsely sampled data that are assumed to be reasonably characterized by the Intrinsic Statistical Model (ISM). An ISM does not require the quantity of interest to be stationary, i.e. its mean and standard deviation are independent of position, but rather that its covariance function depends on the separation of two data points)