基于Matlab的ARMA模型时间序列分析法仿真

JAVA网上商城源码，Java购物系统，商品以及用户的前台和后台管理（增，删，改，查），实现购物车功能等等 这是一个功能十分强大打项目，不下载是你的一大损失

cplex教程，CPLEX中文教程.zip - ZIP 压缩文件, 解包大小为 2,665,176 字节

完整的车辆识别系统，代码很全，还有视频，适合学习。

fortran编写的BP神经网络代码fortran编写的BP神经网络代码fortran编写的BP神经网络代码fortran编写的BP神经网络代码fortran编写的BP神经网络代码fortran编写的BP神经网络代码

可以控制无刷直流电机,起动,停止,开环控制和闲环控制

3个MG995舵机和一个sg90舵机。可通过单片机程序控制（自动动作），可通过手机蓝牙控制（不包含app），可通过手柄控制（这部分代码包含在里面了）。

动态贝叶斯网络推理学习理论及应用；动态系统；可靠性评估；故障诊断；贝叶斯网络建模；DBN0212/642007动态贝叶斯网络推理学习理论及应用肖秦琨高嵩高晓光著所·萑宫散社北京图书在版编目(CP数据动态贝叶斯网络推理学习理论及应用/肖秦琨,高嵩,高晓光著.一北京:国防工业出版社,2007.10ISBN9787-11805323-4I.动.Ⅱ.①肖.②高.③高..Ⅲ.贝叶斯推断一研究Ⅳ.0212中国版本图书馆CIP数据核字(2007)第122784号※阍所·宫版社出版发行(北京市海淀区紫竹院南路23号邮政编码100044)京南印刷厂印刷新华书店经售开本850×1168132印张9字数233千字2007年10月第1版第1次印刷印數1-3000册定价20.00元(本书如有印装错误,我社负责调换国防书店:(010)68428422发行邮购:(010)68414474发行传真:(010)68411535发行业务:(010)68472764前言不确定性理论在人工智能、机器学习、自动控制领域已经得到越来越广泛的应用。本书以当前国际上不确定性研究领域的核心工具——动态贝叶斯网络为线索,进行了动态网络推理算法、平稳系统动态贝叶斯网络结构学习模型设计、非平稳系统动态网络变结构学习模型设计、基于概率模型进化算法的动态贝叶斯网络结构寻优算法的研究。推理算法以隐变量作为划分依据,讨论了离散、连续混合模型的推理算法,并进行了算法复杂度及应用领域的讨论;结构学习研究首先从度量体制入手,讨论了动态网络度量体制的可分解性,提出了平稳及非平稳系统网络结构学习模型,以及基于贪婪算法思想的遗传算法寻优思想;最终将推理及结构学习理论用于无人机路径规划、战场态势感知、动态数据挖掘、自主控制领域,并通过大量仿真检验。本书的研究工作得到了西安工业大学专著基金及国家自然科学基金重大研究计划(90205019)的资助。本书全面系统地介绍了动态贝叶斯网络的相关理论,重点介绍了动态网络的经典应用和国内外的新发展。全书共分9章。第1章概述了动态贝叶斯网络的产生与发展、基本操作及表达。第2章和第3章为本书的理论基础部分,首先从静态网络已经取得的理论成果及研究内容人手,由浅入深引出动态贝叶斯网络的基本概念及研究方向,确定本书将要解决的主要问题:DBN推理问题和连续变量的DBN结构学习问题。第4章在第3章基础上,详细讨论了三类动态贝叶斯网络的推理即隐变量离散、隐变量连续隐变量混合DBN推理;隐马尔科夫模型是所有离散动态网络的基础故首先介绍其表达及推理,由此派生出其他离散动态网络,并讨论了如何将复杂离散网络转化为简单HMM的方法,通过算法复杂度实验分析,明确了离散动态网络的相应属性,得出了相应结论,为合理选择DBN推理算法提供依据;在推理中,若系统参数未知或为时变系统,必然涉及参数学习,故在讨论三类网络的推理中亦涉及参数学习问题。第5章从静态网络结构度量机制入手,讨论并推导出动态贝叶斯网络结构用于网络结构度量的BC及BD度量机制;通过描述基于概率模型进化算法的构图基础,引出动态贝叶斯网络结构学习机制,即基于贝叶斯优化(BOA)的动态网络结构寻优算法,BOA算法的关键是根据优良解集学习得到动态贝叶斯网络,以及根据动态贝叶斯网络推理生成新个体,前者更为重要,按照本书提出的基于贪婪算法思想的遗传算法解决动态网络学习,然后应用动态贝叶斯网络前向模拟完成后一步。第6章在此基础上,刻画了基于BD度量体制的平稳动态系统DBN结构学习模型设计,并通过仿真验证了其有效性,针对非平稳随机系统DBN的结构学习模型,提出了一种自适应窗口法用于在线自适应学习变结构DEN结构,仿真结果可行。第7章在第4章DBN推理理论的基础上,从以往UCAV路径规划中使用的方法以及涉及的定义、术语等出发,讨论了静态路径规划、动态路进规划及空间路径规划三方面的基本问题,通过对原始 Voronoi图的改进,提出了平面改进型Voronoi图、空间改进型 Voronoi图的概念,以及平面及空间动态路径重规划区域原则等,为动态路径规划提供有力的整体构型支撑进而应用前几章理论基础,建立基于DBN的战场环境感知模型,仿真结果均表明了构图及动态决策模型的正确性。第8章在DN推理及结构学习的理论基础上,将其用于自主优化及动态数据挖掘。将BOA及基于概率模型的遗传算法的静态图形的优化机制进行推广,提出了一种动态优化的新方法,利用DBN作为t到t+1代转移网络,适时改变优化的基本条件,实时确立新的种群及优化的方向使得自主智能体在无人干预下顺利完成一系列复杂任务成为可能,将变结构DBN结构学习模型设计用于动态数据挖掘,实时确定个因素之间的关系。第9章通过两个典型的应Ⅳ用实例,将DBN推理学习理论进行融合,并用于实际模型。附录给出了与DBN结构度量相关定理、性质的证明,为读者进一步研究和学习动态贝叶斯网络提供参考。本书是作者近年来潜心学习和研究国内外不确定性算法理论、方法和应用成果的一个总结。在本书的编写过程中,得到了西安电子科技大学焦李成教授和清华大学戴琼海教授及英国BankUniversity陈大庆教授的热心指导和鼓励,新加坡南洋理工大学的王海芸博土后审阅了书稿,并提出了许多宝贵意见,特向他们表示衷心的感谢。由于涉及内容广泛及限于作者的学识水平,书中疏漏和不当之处在所难免,希望读者不吝赐教指正。作者目录第1章图模型与贝叶斯网络1.1图模型简介1.2动态贝叶斯网络…1.3动态贝叶斯网络应用研究1.3.1动态时序数据分析与挖掘157781.3.2无人机的态势感知与路径规划1.3.3.进化算法与动态贝叶斯网络混合优化………10第2章静态贝叶斯网络2.1静态贝叶斯置信网络2.2贝叶斯网络的特点与应用范围152.3贝叶斯网络的研究内容162.3.1计算复杂性162.3.2网络结构的确定问题…2.3.3已知结构的参数确定问题……182.3.4在给定结构上的概率计算…………192.3.5贝叶斯网络推理算法…19第3章动态贝叶斯网络基础283.1从静态网到动态网283.1.1概述·28Ⅵ3.1.2推导293.1.3动态贝叶斯网络表达………………313.2动态贝叶斯网络的研究内容353.2.1动态贝叶斯网络推理……………………363.2.2动态贝叶斯网络学习…39第4章动态贝叶斯网络推理…464.1隐变量离散动态网络推理……464.1.1模型数学描述464.1.2隐马尔科夫的研究内容484.1.3隐马尔科夫推理学习仿真…534.1.4隐马尔科夫其他拓扑形式…564.1.5一般离散动态网络和隐马尔科夫关系………………584.2动态贝叶斯网络推理算法性能分析604.2.1动态网络转化隐马尔科夫仿真…………614.2.2离散动态网络推理算法比较仿真…634.2.3连续动态网络推理比较仿真724.3模糊推理与隐马尔科夫结合炮火校射754.3.1概述………………………754.3.2模糊动态网络环境感知框架754.4隐变量连续动态网络推理794.4.1模型数学描述…………794.4.2卡尔曼滤波图模型推理………804.5混合隐状态动态贝叶斯网络…………834.5.1模型数学描述…834.5.2混合动态贝叶斯网络推理…864.5.3混合动态贝叶斯网络学习89第5章动态贝叶斯网络结构学习算法…………………915.1动态贝叶斯网络结构度量体制………915.1.1概述915.1.2动态网络的贝叶斯信息度量………935.1.3动态贝叶斯网络BD度量965.2动态贝叶斯网络度量分解性能分析985.3构建动态网络结构寻优算法1145.3.1基于概率模型的进化算法1155.3.2基于贝叶斯优化构造动态网络结构算法1165.3.3学习动态贝叶斯网络…1185.3.4动态臾叶斯网络推理…1275.4基于贝叶斯优化构建动态网络结构算法仿真………128第6章动态贝叶斯网络结构学习模型…1346.1平稳系统动态网络结构学习模型设计1346.1.1模型设计1356.1.2仿真试验1386.2变结构动态网络自适应结构学习模型设计………1446.2.1模糊自适应双尺度…1446.2.2动态系统非平稳程度和平稳性的测量……1516.3非平稳系统网络结构学习仿真试验153第7章基于动态贝叶斯网络的路径规划……1657.1无人机平面静态路径规划·…1657.1.1基本概念……1657.1.2基于相同威胁体的路径规划…166Ⅷ

贝叶斯估计与跟踪实用指南pdfBayesianEstimationand Tracking园冒国后固目Bayesian Estimation and TrackingA practical Guide内容简介非高斯系统估计的文献一般都存在缺少实用方法的缺点,而高斯方法又缺乏严密、有组织的推导《贝叶斯估计与跟踪实用指南》一书设法解决这个领域中的不足,为读者提供全面的高斯噪声与非高斯噪声驱动的线性与非线性动态系统估计方法的介绍。本书特点在于提供了贝叶斯估计与跟踪的统一方法,重点强调了在贝叶斯框架下所有跟踪算法的推导过程,还给出了用于计算加权密度积分的高效的数值方法,包括加权高斯积分的线性与非线性卡尔曼滤波器,以及非高斯情况下的粒子滤波器。作者首先给出每种估计方法基本原理的详细推导过程,然后分步骤对每一种方法进行详细说明,使得跟踪滤波器的编码更简单易懂。本书利用了案例分析来展示所研究内容的应用。此外,该书还为每个算法提供了框图,让读者可以自己开发 MATLAB估计方法软件工具箱。《贝叶斯估计与跟踪实用指南》是一本优秀的估计与跟踪方法课程的研究生教材。本书还适用于估计与跟踪领域的科学研究人员、数学研究人员和工程技术人员,对他们具有重要的实际应用价值。对广大科技工作者来说,也是一本非常有价值的参考书。作者简介安东,J霍格,博土,美国约翰霍普金斯大学应用物理实验室科研人员,他为防空和导弹防御系(AMDD)提出了先进的目标跟踪方法。霍格博士的研究领域包括目标跟踪,信号和阵列处理与处理设计,主动、被动雷达和声纳设计,数字通信和编码理论以及时间频率分析。责任编辑:牛旭东xinwu@ndip.cn责任校对:苏向颖上架建议:计算机视觉封面设计:蒋秀芹httpt//www.ndip.enISBN978-7-118-09321-6WILEYWILEY eEsCopies of this book sold withouta Wiley sticker on the cover are9W78z118m0932161>unauthorized and illegal定价:79.00元装备科技译著出版基金贝叶斯估计与跟踪实用指南Bayesian Estimation and Tracking: A Practical Guide[美] Anton J.Haug著王欣于晓译图F荤版社北京著作权合同登记图字:军-2013-200号图书在版编目(CIP)数据贝叶斯估计与跟踪实用指南/(美)豪格(Hang,A.J)著;王欣,于晓译.一北京:国防工业出版社,2014.5(高新科技译丛)书名原文 Bayesian estimation and tracking:apractical guideISBN978-7-118-09321-6I.①贝…Ⅱ.①豪…②王…③于…Ⅲ.①贝叶斯估计-指南②贝叶斯估计一应用一目标跟踪一指南Ⅳ①0211.67-62②TN953-62中国版本图书馆CIP数据核字(2014)第068301号Authorized translation from the English language edition, entitled Bayesian Estimation andTracking, ISBN 978-0-470-62170-7, by Anton J. Haug, published by John Wiley SonsCopyright C 2012 by John Wiley Sons, Inc.All rights reserved. This translation published under license. No part of this book may be repro-duced in any form without the written permission of the original copyrights holderCopies of this book sold without a Wiley sticker on the cover are unauthorized and illegal本书简体中文版由 John Wiley&sons,lno.授权国防工业出版社独家出版。版权所有,侵权必究。阍前有:原社出版发行(北京市海淀区紫竹院南路23号邮政编码100048)北京嘉恒彩色印刷有限责任公司新华书店经售开本710×10001/16印张19%字数370千字2014年5月第1版第1次印刷印数1—2000册定价79.00元本书如有印装错误,我社负责调换)国防书店:(010)88540777发行邮购:(010)88540776发行传真:(010)88540755行业务:(010)88540717前言本书以基本原理为出发点,阐述了贝叶斯估计滤波器的完整的发展历程。书中硏究了由高斯噪声和非髙斯噪声驱动的线性、非线性动态系统。这里假设动态系统是连续的,因为只有在研究离散滤波器的时候,才会在离散时间对系统进行观测。本书的主要目标是给读者提供过去60年来所提出的大部分贝叶斯估计方法的一致性的全面描述,以表明每种以贝叶斯范式为基础的基本思想是如何与条件密度相关的。学习本书内容需要的预备知识包括线性代数、贝叶斯概率理论以及有限差分和插值的数值方法。书中第2章介绍了所有这些主题以及掌握书中其它内容所需的基础知识书中涵盖的部分内容来自于马里兰大学帕克分校数学系的一门研究生课程。该门课程的主要目的是让学生自己开发目标跟踪算法的 MATLAB工具箱。课后给学生们提出一些特定的跟踪问题,要求编写一个或多个 MATLAB子程序来实现某些跟踪方法。一般来说,学生开发的子程序是独立的,并且可以应用于多种难度不大的跟踪问题(例如,纯方位跟踪)。本书不包含任何习题集,使用本书的读者可以根据需要来调整跟踪问题的作业。此外,本书包含4个相当复杂的实用案例,使用本书的老师可以选择其中之一作为编码作业的框架。第一个案例贯穿本书的第Ⅱ和第Ⅲ部分;其余的3个案例则被分成了单独的章节,构成了本书的第Ⅳ部分。本书有两个鲜明特点:①运用大量的表格和图形,给出每种估计方法基本原理的详细推导过程;②每种方法都有非常详细的分步指导,使得跟踪滤波器的编码简单且易于理解。递推贝叶斯估计可以求解转移函数或变换函数的加权条件密度积分。转移函数反映动态状态向量随时间变化的路径,变换函数将状态向量变换成观测向量。有多种求解积分的数值方法,每种都有不同的估计方法。本书第Ⅱ部分和第Ⅲ部分的每个章节都涵盖求解这些积分的一个或多个数值逼近方法,第Ⅱ部分是高斯加权积分的卡尔曼滤波器方法,第Ⅲ部分是未知密度的加权密度积分的粒子滤波器方法。本书是作者在此领域多年研究的成果,希望能为贝叶斯估计和跟踪研究做出贡献。同时,也希望在研究改进这些方法并将其应用到新领域、解决新问题的基础上,本书能够开拓贝叶斯估计和跟踪研究的新方向。Anton J. haug目录刊言Ⅲ第Ⅰ部分预备知识第1章简介…………………………………………31.1贝叶斯推理…1.2贝叶斯层次估计法1.3本书研究范畴1.3.I目标1.3.2章节概述…1.4用 MATLAB⑧进行建模和仿真参考文献…第2章数学基础2.1矩阵线性代数简介9992.1.1矢量与矩阵的约定与记法…2.1.2和与乘积……………………………………………………102.1.3矩阵的逆…2.1.4分块矩阵的逆112.1.5矩阵的平方根…………………………………2.2矢量点发生器…………122.3多参数多维非线性函数估计………………………………152.3.1标量非线性函数估计152.3.2多维非线性函数估计182.4多变量统计概述……232.4.1一般定义32.4.2高斯密度………………………………………25参考文献………………………………………………………31第3章贝叶斯估计的基本概念……333.1贝叶斯估计3.2点估计式343.3基于概率密度函数的递推贝叶斯滤波器…363.4基于状态均值和协方差的递推贝叶斯估计,,,着.383.4.1状态矢量预测……393.4.2状态矢量更新…403.5一般估计方法讨论………………………………42参考文献43第4章实用案例:初步探讨4.1仿真、估计与评价过程,,,,,,,.,,,.非,,..,,鲁非·4.2利用DFAR浮标场进行匀速运动目标跟踪的场景仿真………454.2.1船舶动态模型………………………454.2.2多浮标观测模型464.2.3场景属性………………………………464.3 DIFAR浮标信号处理4.4DFAR似然函数……………………………………………53参考文献55第Ⅱ部分高斯假设:卡尔曼滤波估计器第5章高斯噪声:高斯加权分布的多维积分595.1第3章中重要结论总结5.2回顾卡尔曼滤波器校正(更新)方程的推导…………615.3贝叶斯点预测积分求解高斯密度5.3.1利用仿射变换来简化流程…645.3.2求解高斯加权积分的一般方法66参考文献…………………………68第6章线性卡尔曼滤波器706.1线性动态模型……………………………………………706.2线性观测模型…716.3线性卡尔曼滤波器…6.4IKF在 DIFAR浮标方位估计中的应用,,·,,,·.,,,..,.1.,·Ⅵ参考文献74第7章线性化卡尔曼滤波器:扩展卡尔曼滤波器…767.1一维情况………………767.1.1-维状态预测767.1.2一维状态估计误差方差预测777.1.3一维观测预测方程7.1.4一维预测方程的变换……787.1.5一维线性化EKF过程7.2多维情况………………………807.2.1状态预测方程817.2.2状态协方差预测方程………………………817.2.3观测预测方程……837.2.4多维预测方程的变换837.2.5线性化多维扩展卡尔曼滤波器过程………857.2.6二阶扩展卡尔曼滤波器…867.3多维协方差预测方程的另一种推导……7.4EKF在DFAR船舶跟踪的应用案例分析887.4.1船舶运动动态模型…………………………887.4.2 DIFAR浮标观测模型…………887.4.3初始化卡尔曼滤波器族中所有滤波器907.4.4选定加速度噪声参数………………………917.4.5EKF跟踪滤波器结果参考文献……93第8章 Sigma点类别:有限差分卡尔曼滤波器……948.1一维有限差分卡尔曼滤波器………………………………948.1.1一维有限差分状态预测…948.1.2一维有限差分状态预测……………………………968.1.3一维有限差分观测预测方程…968.1.4一维有限差分卡尔曼滤波器过程………………………968.1.5简化的一维有限差分预测方程978.2多维有限差分卡尔曼滤波器……………………………988.2.1多维有限差分状态预测…988.2.2多维有限差分状态协方差预测1008.2.3多维有限差分观测预测方程101Ⅶ

包括吴恩达深度学习基础教程、斯坦福大学-深度学习基础教程、大数据，机器(深度）学习精品名师学习课程、《神经网络与深度学习》邱锡鹏等20本书，由于第一次在该网站上分享，差不多把这几年做deep learning搜集到的书籍都放了进去，本着相互分享学习的原则，设置的积分也比较少，相信不会让大家失望！

【实例简介】成熟的基于SGP4模型的Matlab轨道计算模型，通过添加需要进行仿真的双行元文件Tle.txt，给出任意仿真时刻t，可生成t时刻的惯性系速度、位置