基于stm32室内温湿度监测——毕设

PH2.0封装（三维PCB封装库）AD用PCB封装库，作者主页下有全套的三维PCB封装库，欢迎大家下载使用。文件为作者千辛万苦整理的，请大家自用，不要随意传播，谢谢！

硬件工程师手册目前最全版本（159页)小数分频一种将异步时钟域转换成同步时钟域的方法一种快速无毛刺的时钟倒换方法以太网时钟同步技术_时钟透传技术白皮书VHDL设计风格和实现FPGA设计流程指南FPGA设计规范coding styleVerilog典型电路设计Verilog HDL 华为入门教程Synplify工具使用指南(华为文档)HuaWei Verilog 约束FPGA技巧Xilinx静态时序分析与逻辑华为面经

支持向量机演讲的ppt ， 其中牵扯数学问题比较多。 适合于一节课的svm讲解。

一种基于mpi的FFT（快速傅里叶变换）实现 数字信号处理 DSP 离散信号分析

基于瑞利信道的ls和mmse信道估计的matlab代码，采用的是jakes模型

线性系统子空间辨识的原书，非常经典线性系统子空间辨识的原书，非常经典

山东大学 研究生 人机交互 课后题答案

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

1：BK2535 Datasheet v0.7 : bk2535 的数据手册 ,编程指南2：/例程/bk2535_driver： bk2535的 内部各个资源驱动代码 （在开发过程中可同时参考以上两个文件进行开发）3：USB_Bulk_驱动： 首次在电脑上使用开发板需要安装驱动，该文件为驱动文件4：/硬件参考/BK2535_56PIN开发板_V1原理图：开发板的原理图5：bk2535_download20150413.exe ： 烧录工具。用于烧录程序到开发板6：/例程/测试程序/bk2535_tx2 ： 测试代码的 发射端程序 /例程/测试程序/bk2

关于杨艺的那篇《基于S函数的BP神经网络PID控制器及simulink仿真》，我自己在Matlab2016b搭建出来的SIMULINK模型，亲测可用