基于遗传算法的机器人路径规划（附程序源码）

本文档是以ABB公司具体仿真为参考，通过对仿真过程及仿真结果的分析，阐述了噪声在变压器中的影响。三三ABABPRODUCTIOSTAR COST OFDESIGN CHANGETIMEPRODUCTIONSTARTPOSSIBILITY TOCHANGE DESIGNTIMEABThey can be considered as the gearboxes of the electrical gridABABNo-load noise(core noise)Sound powerLoad noise (winding noise)RadiationTank resonanceTankVibrationOiltransmissiontransmissionIndingCoreWindingsMagnetic pull注上计ElectromagneticMagnetostrictionorceNO-LOADLOAD CURRENTABn x 100 Hz(n x 120 Hz) with n=2, 3WAABdBln requency Response H1(4508(2), PCB208A03 Ref )-STS Measurement 11(Magnitude(m/s/N]Amplitude3533025f, ffr f213420Frequency1500102003008000204008501001200140016018002cFrequency HzEc;415AB

UML网络教学系统（UML课程设计）：内含说明文档和网络教学系统.mdl 文件

这是一款material UI风格前端模板 ，效果请参考 http://demos.creative-tim.com/material-dashboard-pro/examples/dashboard.html.如果大家觉得5分太多，可以到这个网站上下载免费版，我这里提交的是收费的Pro版。大家可以对比下效果。

_新一代视频压缩编码标准_H.264_AVC（毕厚杰主编）

学习PCIe有一段时间了，这里将这段时间的学习做一个总结。由于手里没有包含PCIe的板子，因此所做的也就是尽力将XILINX提供的实例工程中的关键模块进行分析，包括 PIO_RX_ENGINE.v，PIO_TX_ENGINE.v，PIO_EP_MEM_ACCESS.v ，希望对和我一样的初学者有所帮助。

stm32f103的SDIO驱动示例

全套BIOS修改，超频，写入工具，刷机更方便，步骤：VBE7007修改，WINFLASH写入即可

QT实现的可动态添加、删除控件的小项目；当添加控件达占满widget时，自动添加滚动条效果，并提供了一个删除功能，删除你添加到widget里的控件。控件可以是任何的大小的QWidget.

VHDL语言编写四层电梯控制器，里面有主程序，代码还有实验报告，完整版，可以实现现实电梯的所用功能。

ID3算法是决策树的鼻祖，最早于1986年由Quinlan提出，全称是Iterative Dichotomiser 3 [1]。在这篇课程报告中，我将对经典的ID3做出三次改进：1.把 info gain 改进为 gain ratio；2. 把简单投票的过程改进为朴素贝叶斯的方法；3. 将许多颗ID3决策树打造成随机森林。本人将在Weka平台进行二次开发，并且用Weka-Experiment做大量实验，和其它著名的算法进行比较，最后做出综述。项目的源代码开源在本人的GitHub主页上。未来工作有以下几点:是那么容易就可以随机出来的1.在 Improvement Two中,3树的生长的深度限3.可以把这三种改进方法糅合在一起,看看三种制在多少,可以进行进一步的研究改进组合在一起,能不能产生性能更加的算法2.在 Improvement Three中,本人费劲心思写出来4.上述所有方法都是基于属性为 nominal的数据的“随机森林”,正确率反而比D3更差。虽然集,可以进一步研究属性为 numerical,甚至是很使我伤心,但是我在写代码、调试代码、还有两者混合的数据集。思考的过程中有了不少长进。看来随机森林不L己ta3et(1 caitao.I(2) caita (3 caita (4 caita (5) trees (6)treesca置,色va1 eatlon(100)B9.19|81.36*92.85V78.日9*94.43W93.40Vweather. symbolic100)79.00|56.507s.0079.57.506,50{v!/*)|(0/1/1)(1/1/0(011/1)(1/1/0)(1/1/0Re1)caia。,工3"-26936786470963225612) CaILE。 gainRatio.工D311-2693678647096322561(3 caitao naiveBayes. ID3-26936786470963225614)cata0 andomforest,ID31-2593678647096322561{5) trees. NBTree"-47160057070582560866) trees. Randomforest"-10-4-51- depth101-2260823972777004705图-7: Weka-experiment实验结果。总共6个算法,2个数据集。6个算法中(1是原始的1D3算法,后面(2)-(4)是本人的改进算法,(5)和(6)是Weka平台自带的算法。GitHub较风趣;另一方面,蒋老师在我上机实习的过程过,本次模式识别上机实刁的代码,全部公开在本人的回答了我不少疑惑,虽然这些疑惑对于蔣老师而言GitHub主页上面,ur地址如下:可能十分幼稚,但是依然完整解决了我的问题。1. Improvement one:https://github.com/caitaozhan/id3improvements/treREFERENCES/gain ratio2. Improvement TwoJhttps://en.wikipedia.org/wiki/id3algorithmhttps://github.com/caitaozhan/id3_improvements/tre[2]决策树,蒋良孝的PPTChapter2-8e/naive bayes[3] Data Mining Practica/ Machine Learning Tools and3. Improvement threTechniques--Chapter4.3https://github.com/caitaozhan/id3improvements/tre[4贝叶斯分类,将良孝的PPTChapter3-15e/random forest[5]http://archive.ics.uci.edu/ml/datasets/car+evaluation[6]https://en.wikipediaorg/wiki/random_subspace_methodAcknowledgements感谢蒋良孝老师对于我的指导。一方面,蒋老师上课讲解十分到位,关键部位一点就通了,不仅如此还比