PSCAD微型燃气轮机模型

仿微信，聊天气泡框 便于制作Nine-Patch图片，很实用，在网上找了很久，大家可以下载使用用于练习

很好的matlab单端反激模型，调试通过，波形理想符合输出要求

可以通过使用KNN分类器进行图片分类，KNN分类器完整的matlab代码。

语音信号处理实验素材 wav语音文件，可于MATLAB 语音信号处理实验

立体车库控制系统的设计与应用,希望给能喜欢

本资源有一个matlab程序段，是仿真BPSK分别在高斯噪声和瑞利衰落下的误码率，产生图形对仿真值和理论值进行比较

matlabb编写的现代控制系统程序，可为学习现代控制理论的学生参考，加深对理论的理解

【实例简介】主要代码封装成Chart.dll中，外围使用非常简单 1、资源管理器中引用Chart.dll 2、using MyChart; 3、按顺序申明线段名称（例如：string[] Field = new string[] { "线a", "线b" }; 4、申明Chart对象（例如：Chart chart;) 5、构造Chart对象（例如：chart = new Chart(Field);) 6、更新需要显示的数据到GDI图表中（例如：chart.Updata(temp);） 7、此时数据将显示到图表窗口中，右击鼠标有使用说明。 该Chart.dll不仅能显示曲线图还能将数据库存到Access数据库，具体请看工程中使用范例. 本应用因绘图效率比一般图表控件高(如msChart等)，所以较合适作为软件示波器用 具体详情: https://blog.csdn.net/iejinshan/article/details/48683043 特别说明： 不包含Chart.dll源代码，只提供了Chart.dll库的调用，如需全部源码请勿下载浪费你的积分

WAsP软件是用于风机微观选址的风能资源分析软件。可利用wasp软件对气象数据进行了分析,得到风数据统计表、风向玫瑰图和风频分布图。该数据结果为以后风电场选址中风能资源评估工作提供了重要依据,具有一定的参考意义。

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