STM8 模拟串口 IO口模拟

这本书是中科院的邓乃扬、田英杰老师所写，想要深入学习SVM相关理论和算法的同学可以看看这本书，我个人这本书非常好。数据挖掘源于数据库技术引发的海量数据和人们利用这些数据的愿望.用数据管理系统存储数据,用机器学习约方法分析数据、挖掘海量数据背片的知识,便促成了数据挖掘( data mining的产生.慨括地讲,数据挖掘的任务是从大型数据库或数据仓库中提取人们感兴趣的、事先知的、有用的或潜在有用的信息支持向量机( suppoort vector machine.SVM是数据挖握中的项新技术,是借助于最优化方法解决机器学习问题的新工具它最初于20世纪90年代由 Vapnik提出,近年来在其理论研究和算法实方宙都取得∫突破性进,开始成为克服维数灾难”和“过学习”等传统困难的有力手段虽然它还处于飞速发展的阶段,但是它的理论基础和实现途径的基本框架已经形成。白200年开始,国外已续有几本专蓍出版.据我们所知,本是国内第一本专门对它进行全面完整介绍和论述的书籍本书王要以分类问题(模式识别,判别分析)和回归问题为背景,系统阐述支持量机和相应的最优化方法.各章的主要内容如下:第1章介纲最优化问题及其基本理论.第2章对分类闻题和回归问题直观地导出最基本的支持向量机.第3章介绍核的理论,这是推广基本的支持向量机的关键,也是通过线性问题求解非线性问题的基础.第4章介绍统计学习理论,讨论支浡向量机的统计学理论基狲第5章和第6章分别详细研究支持向量分类机和支持向量回U机.第7章介绍实现支持向量机的最优化算法.第8章讨论支持向量机的应用,包括解决实际问题时的一些处理方法和一些应用实例本书包括了我们自己的研究工作例如,在做为支持向量机基础的原始问题和对偶间题解的关系上,我们发现,当前文献的论述存在着逻辑上的缺陷本书第次在完严密的逻辑基础上完善了各种支持向量机中的最优化问题的理论体系此外,作为求解支持向量机中优化问题的方法,本书介绍了我们自已的研究成果如处理大型问题的 Newton-PCG型算法.另外还立说明,本书还包含了我们讨论班成员的若干研究工作本书所设定的读者包括关心理论与应用两方面的人土,对于支持向量机的理论,4有系统而严谨的论述;作为使用支持向量机的入「,有直观的谎明.实际上我们特别强调该书的叮读性,强调崑观对理解问题实质的重要作用.我们通常总是首先用图像等直观手段引进各种概含、方法和结论,并特别注意对它们的本质给予形象的解释和说明,最后给出其严格证明.仅仅关心实际应用的读者,略去这些证明以及若于理论结论,仍可以对所介绍的方法的本质有一个概括的理解本书对有关领域具有高等数学知识的实际下作者是一本实用读物.我们希望本书的出版,能普及和推广支持向量机在多种宴际领域中的应用,也能促进我对支捋向量机的深入研究,特别是促进优化界朋友们的关心与参与本书得以出版,我们要感谢中国科学院科学出版基金和华夏英才基金的资助,冋时乜要感谢十国农业大学各级領导的支持利重点课程建设的资助.本书已被选为中国衣业大学研究生系列教材,我们还要感谢国家自然科学甚金多年来对我们研究工作的资助.本书作者曾致力于最优化方法的饼究多年,儿年前片始组线和领导讨沦班,学与研究数据挖掘利支持向螳柷.除本书位作耆外,讨论班的成以还有上来生教投、薛毅教授、钟萍剴教授、经玲舭教授、张春华、杨志民、刘广利、苏时光等多入,狂这里我们要将别感谢钏萍副教授和张春华.比外,我们还要媵谢刘宝光和张建中两位教授以及梁玉梅、张梅梅两位同学,他们都对本书提供了帮助臼于作者水平所限,书中难免有不要之处,欢迎读者批评指正符号表R实数集合R绁欧氏字间LEi, g洲冻点T={(x1,w)…,(x,y)}训练集洲练点个数输入空间输出空阊x洲练点所仁空间(X×y)练集所在竿间输入向量(输人广模式问量x的第个分量Hilbert空间中的向量x向量x的第个分量输出指标(输出)与的内积?内积空间, Hilbert空间={:1,…,xt输入空间中的个点组成的集合2={xHilber空间中的l个点组成的集合d输人空间到 Silbert空间的映射权向量权向量u的第分量Hi]bert空间中的权向量权向量w的第个分量b网值Co凸壳sang符号函效k(I核函数核矩阵〔Gram矩阵Fp-范数2-范数hv维惩罚参数收缩壳的参数白蚣对数pe底为2的对数将号表松弛变量松弛变量的第x个分量间隔对偶变量, Lagrange乘子寸偶变量的第i个分量通常获示概率分布概率百录序言符号表第1章最优化问题及其基本理论…l■1口■■會■■■■血PPP中11最优化问题1,1,1最优化问题实例1.12最优化问题1.1.3凸最优化12最优生条件1512上无约束问题的最优性条件122约束问题的最优性彖件181.3对偶理论∴131最大最小对偶132 Lagrange对偶■■q381,4注记参考文献…4了第2章求解分类问题和回归问题的宜观途径21分类问题的提出19211例子(心脏病诊断〕4921.2分类问题和分类学习机22线性分类学习机53221线性可分问题的线性分划222近似线性可分闻题的线性分划2.3支持向量分类机…231从性分划到二次分划23.2二次分划算法的简化74233非缓性分划的基本途径24线性回归学习机n+“dk+■啬啬■■■■■F番24.1回归问题242线性回归问题与硬E-带超平面243硬E-芾超平面的构造244硬s-#超平面的推36245线性支持向量回止机25支持向量归机26注记9参考文献第3章核31带述相似性的工具—内积963⊥.1直观的相似程度与内积312支持向量分类机中的相似与内积,983.1.核函数的选取9832考项式空间和多听式核32.1有序单项式空间32.2元序单项式空间1323 FIlbert空间与多项式核函教10433 Mercer核·…··105331半正定矩阵的特征展开15332 Mercer定理与 Mercer核10g34正定核1123.41正定核的必要条件·…·113342正定核的充分条件113343正定核的特征344再生核lber空间11634.5正定核与 MMercer核的关系…73.5核的构造…··11了3.51核的构造原则,·117352落用的几种核函数j2036注记…··:122参考文献123第4章推广能力的理论估计41失函数和期望风险1254.11概率分布125412损失函數413期胡凤险……13242求解分类问题的一种途径和-个算法模型136421分类问题的一个自然的数学提法1:f422求解分类问题的途径141423-个学习算法4.3VC雏44学」算法在概率意义下的近似正确性14G45一致性概念和关键定理日录16结构风险最小化,,,,1524了甚于问隔的推广估计15448注记∵■■■参考文献(2第5章分类问题…51最大间隔原则51.1绒性叮分问题的最大河隔原则52扰动意义下的几何解释■■152找性可分支持向量分类机6i6521线性可分问题的规范超平面522原始最优化问题…523对偶问题及其与原始问题的关系69524线性可分支持向量分类机及其理论基础I7353线性支持向量分类机l7生531原始问题17生532对偶问题及其与原始问题的关系179533线性支持向量分关机及其理论基础l83534支持向量1854支持向量分类机186541可分支持向量分类机…16542支持向量分米机55-支持向量分类机(-SVC)5【-线性支持向量分类机的原始最优化间题552v线性支持向量分类机的对偶问题及其与原始向题的关系553-支持向量分类机然挖554-支持向量分类机的性质指56-支持向量分类机(v-sV)和-支持向量分类机(C-SVC)的关系206561主要结论2郑6562丰要结论的证明57多类分类问题21457.1类对余类215572成对分类2]7573纠错输出编码方法2]8574确定名类目标函数方法218个何子59注记221目录参考文献P「q「第6章回归佔计61回归问题■■■224611可归叵题的难点61.2回归间题的数学提法■1L■…….2266上3不敏感掘失函数22562E-支持向量回归机…….…::,·226.2硬∈带支持向量回机228622从线性6-支持向最回归机到E·支持向量回归机2:363·支持向量回归机··24563L原始最优化问题……·245632对個问题及其与原始问题的关系…,·2486.33-支持向量国归机252634-支持向量回归机的性质25生64E-支持向量回归机(esVR)与p支持向量回妇机{u-SvR的关系641主要结论啁E562主要结论的证明…,2565其他形式的支持向量回归机259G1支持向最回归机的线性规划形式65.2E-带为任意形状的支持向量回归机26266其他形式的损失函数26467一些例子26867l维回归问趣672二维回归间题27068注记■■■司司■卩4■272参考文献血·“·第7章算法71元约束问题解法…2747⊥1无约束问鹎提法记74712基本无约束问题算法…·277713牛顿条件颓优共把梯度法( Newton-PCG算法)29472内点算法21线性规划的原仿射尺度法722线性规划的原-对偶算法723凸二次规划的仿射灵度法724凸二次规划的原-对偶算法P

【实例简介】windows下使用，直接patch 可执行文件。亲测可用，测试过mac os 版本的slickedit 24.00 ，可用。

matlab读取地震数据segy，（之前在csdn下载的别人的读取segy的那个文件有问题，请注意：读取之后每道的数据会发生变化请注意！！！）该文件读取后的道数据是存在Data变量之中。使用例子如下：[Data,SegyHeader,SegyTraceHeadersBinary]=ReadSegyFast(filename);

【实例简介】这里有本人搜集的C#源码100例，其中都是小项目，对使用Visual Studio中的常用工具有很好的促进作用，个人觉得只要能把其中的一部分真正吃透就能够打下比较好的基础了。而且通过练习我也发现，模仿源码项目并真正靠自己的理解写出源码是最好的学习方式之一，现在把这些源码例子拿出来和大家分享一下，希望对您有所启发！

牛人做的LED贴片机机器视觉，用角度识别，VC6.0+OPENCV开源

张文修的一本比较经典的粗糙集理论的教材，感兴趣的可以参考下00140230西安交通大学数学研究生教学丛书粗糙集理论与方法张文修吴伟志梁吉业李德玉编著2001内容简介本书系统地介绍了粗糙集理论的基本内容与方法,力图概括回内外最新成果主要内容有粗糙集的基本概念,粗糙计算方法,粗糙集的代数性质与粗糙逻辑,粗幡集的各种推广模型,粗糙集与其他处理不确定或不精确问邀理论的联系以不完备信息系统下的粗糙集方法本书可作为计算机科学应用数学、自动控制、信息科学和管理工程等专业的高年级学生及研究生的教材,也可作为研究粗橢集理论与方法的科技人员的参考书书在版编目CI据粗糙集理论与方法/文修等编著.北京:科学出版社,2001酉安交道大学数学研究生教学丛书)1sBN70307984.租…山.张…Ⅲ.粗糙集Ⅳ.Ol44中图娅本图书馆CIP数据校字(2000第69236号科學当腹越出版北京东监域根北]6号鄙蝙;117斯音刮厂郾刷科学出版社发行各她新华书店经销200H年月第版开本:F5(72×1020年7月第一次印剧印张:1434型数:1-3000字数:25100定价:22.00元(如有印质量间题,我社负资调换〈新欣当今,社会巳经齿入了恻络信息时代,计算机与网络信息技术的飞速发展使得各个领域的数据和信息急剧增加(信息爆炸),并且由于入类的参与使数据与信息系统中的不确定性更加显著(复杂系统)如何从大量的、杂乱无章的、强一扰的数据(海量效据)中挖掘潜在的、有利用价值的信息(有用知识这给人类的智能信息处理能大提出了所未有的挑战.由此产生了人工智能併究的一个崭新领城——数据挖掘(ⅠM和数据库知识发现(KDD在IM和KD诸多方法中,粗糙集理论与方法对于处理复杂系统不失为一种较为有效的方法,因为它与概率方法模糊集方法和证据理论方法等其他处理不确定性问题理论的最显著约区别是它无需提供问题所需处理的数据集合之外的任何先验信息当然,由于该理论未能包含处理不精确或不确定原始数据的机制,所以与其他处理不确定性问题的理论有很强的互补性相糙集理论是波兰数学家 Z Pawiak于1982年提出的一种数据分析理论由于最初关于粗糙集理论的研究主要集中在波兰,因此当时并没有引起国际计算机界和数学界的重视,研究地域仅局限于东欧一些国家.直到1990年前后,由于该理论在数据的决策与分析、模式识别、机器学习与知识发现等方面的成功应用,才逐渐引起了世界各国学者的广泛关注.1991年 Z Pawlak的专著《料糙集—关于数据推理的理论》 Rough: Sets-- -Thearetical/etsof Reasoning about Data)的问世,标志着粗糙集理论及其应用的研究进人丁活跃时期.1992年在波兰召开了关于粗糙集理论的第一屈国际学术会议.1995年A(M(απ munication将粗糙集列为新浮现的计算机科学的研究课题.目前粗糙集理论已成为信息科学最为活跃的研究领域之一,同时,该理论还在医学、化学、材料学地理学管理科学和金融等其他学科得到∫成功的应用本书的目的是介绍粗糙集射基本理论与方法以及这理论的研究发展状况.为了闯读方倜,本书对国内外已发表的文章进行了系统化处理,规范了数学概念与符号,在统一的框架下叙述了粗糙集理论的最新研究成果,同时也包含了作者的某些新成果,期望为从事粗糙集理论研究入员和研究生进人这新领域提供捷径鉴于我们从事该领域的研究工作时间较短,加之身知识的局限性,错误与不妥之处在所难免,热忧欢迎广大同仁批评、指止作者2000年8月录第-章粗糙集理论的基本概念§【.1知识与知识库§【.2不精确范嗨,近似与粗糙集…■■■■■■■■§.3知识约简……§1.4知识的依赖性………………………………………16§1.5知识表达系统17§.6决策表『·「TT·■冒■音T曾■鲁?1音曾■上……………19§1.7区分矩阵与区分函数笫二章粗糙集模型的算法262.1信总系统和决策表TT1T1冒量26§22简单分类27氵2.3支持子集………s24决策属性的支持度………kd■p电■山白山§2.5交的计算……………33s26多个条件的支持度■『■冒■■■卩甲■罩卩『■■■b■■d■b山I凸晶d■■34氵2.7函数依赖…………………35§2.8恒等依赖甲干·!■■■冒■1■dh十■m§2.9重要性和核§2.10属性依颊性T甲“■·T曾冒會會十個ql早4■■■個會3§2.11约简T■■第三章般关系下的粗糙集模型…§3.1二元关系与邻城算子……………41§3.2二元关系与粗糙近似算子…43§3,3近似算子的其地定义形式与比较……………4§34近似算子的表示…自■■■■■■4■郾LI卜郾4■■b▲■■■■■■■·甲聊a■b■着郾山晶d§3.5程度粗榧集模型…■■會會■■‘自自自■聊即聊■b■■当dh_画第四章粗糙集代数的公理化方法…*574.1粗糙集理论的构造性方法…rr…"w…5784.2粗糙集理论的公理化方法§4.3构造性方法与公理化方法的关系…………■·■幽日··■■口■甲■【山■中中…6284.4特殊类型的粗糙集代数第五章粗糙集系统的代数结构·「丬■"■·白幽■日■『■早■卜P画■着■昌白晶画聊甲嵋目录§5.1粗糙集的Se代数§5.2粗糙近似宰间血d幽唱幽日日4:bq1即4日日B:甲44日b·甲日甲4:·甲4§5.3粗集和 Nelson代数…■_L啁↓■■■■■b§5.4粗糙概念的代数刻画■■■■■■■■■■■d口口……………85§5.5半群中的粗理想……,……………■■■■93第六章粗糙逻辑与决策■■■■■■■歌■↓■■罩↓卩■l■■罩d■b■■鄢↓■k↓db■■■■b■kd看■郾■■b矗■司■山山d■b古■■98§6,1基于完备信息系统的粗逻辑986.2决策逻辑与决策………………1"""…!…"……s…100§6.3基于不光备信息系统的模态逻辑………………115第七章变榇度粗糙集模型■【■■冒■■甲卓■■■■山d血血個■备量§7.多燃包含关系…123§72咄精度粗槌集模型中的近似集……………………………………124§73集合钓相对可辨别性…………………………-:126§74B近似的性质…128属性钓近似依赖性129§7.6近似约简…甲甲■■■郾通4阝………",130第八章概率粗糙集模型132§8有限论域上概率测度的基本知识……13§8,2信息熵…L唱■LLa133§8.3概卒粗糙集模型∵……T■■■■■■…135§8.4概率粗糙集模型的其他形式1398.5Rys决策与粗糙近似142路呂.6粗糙隶属函数与概念的联合rr1148§8.7知识的不确定性度量§B8概率粗糧集模翘和确定性粗糙集模型的比较………,155第九章模糊粗糙集模型P■s…1589.1模糊集的基本慨念158§9,2糢糊关系………………441·日·日q甲日■_日面如a甲qrpa4P自……·160§93模糊粗糙集………161§9.4甚于三角模的模糊粗欖集模型…:16889.5基于包含度的粗牲集模型……………■■和冒省●·■口■即甲看看D品J§9.6絛正型模糊粗糙集模型……■;;■■山晶;aq41即■血mm■甲甲唱1酥晶日H甲■182§9.7粗糙集与模糊集的比较■■185第十章基于随机集的粗糙集模型187§0,1随机集容度泛函t87§10.2信任函数与似然函数…d幽··『看■备如▲■p甲甲4即申日■鲁自中■暴即l88§10.3基于随机集的粗糙集模型…T·「·■■『■■■■■■Lpd■b10.4近似算子与可能性测度………"…201第十一章不完备信息系统的粗糙集方法……*………………20811.]不完备信息系统忄·■曾■■■·◆I會■■P■冒■鲁會◆4l■§112近似集2078113决策表,决策规则和知识约简……208A11.4区分函数与约简的计算司甲甲■鲁甲甲■■■p211参考文献十個■■1幽"b■213记号表………………….223第一章粗糙集理论的基本概念粗糙集理论是一·种新的处理模糊和不确定性知识的数学工具,其主要思想就是在保持分类能力不变的前提下,通过知识约简,导出问题的决策或分类规则.目前,粗集理论已被成功地应用于机器学习、决策分析、过程控制、模式识別与数据挖掘等领域.夲章介绍标准粗糙集理论( Pawlak粗糙集模型}的基本概念,作为后面各章节的基础§1.1知识与知识库投U≠是找们感兴趣的对象成的有限集合,称为论域任何子集X匚U称为U中的个概念或范畴.为规范化起见,我们认为空集也是一个概念,U中的任何概念族称关于U的抽象知识,简称知识本书上要是对在U上能形成划分的那些知识感兴趣.一个划分定义为:价=X1,X2,…,Xn1;XCU,X;≠x,X∩X=,对于i≠j,,1,2U上的族划分称为X于U的个知认库( knowledge base设R是U上的一个等价关系,U/R表示R的所有等价类(或者U上的分类构成的集合,x]R表示包含元素∈I的R等价类…个知识库就是个关系系统K=(UR),其中U为非空有限集,称为论域R是U上的一族等价关系若PCR,且P≠分,则∩P(P中所有等价关系的交集)也是一个等价关系,称为P上的不可区分〔 ndis nihility)关系,记为ind(P),且有n(P)REP这样,Und(P)(即等价关系ind(P)的所有等价美)表示与等价关系族P相关的知识,称为K中关于U的P基本知识(P基本集)为单起鬼,我们用U代替Und(P),ind(P)的等价类称为知识P的基本概念或基本范畴特别地,如果Q∈R,则称Q为K中关于U的Q初等知识,Q的等价类为知识R的Q初等概念或Q初等范畴事实上,P基本范畴是拥有知识P的论域的基本特性换句话说它们是知识的堪本模块同样,我们也可定义:当K=(,R)为一个知识库,ind(K)定义为K中第一章粗糙集埋论的基本概怠所有等价关系的族,记作ind(K)“ind(P)≠PR例1.1绘定一玩具积木的集合U={x1,x2,…,xg},并假设这些积木有不同的颜色(红、黄、蓝),形状(方,圆、三角},体积(小,大).因此,这些积木都可以用颜色形状体积这些知识来描述例如一块积木可以是红色、小而圆的,或黄色、人而方的等如果我们根据某属性描述这些积木的情况,就可以按颜色、形状、体积分类按颜色分类:17337蓝了5;6"一黄按形状分类圆方℃34丁·8角按体积分类大I5,2a换言之,我们定义三个等价关系(即属性):颜色R1,形状R2和体积R3,通过这些等价关系,可以得到下而三个等价类UR1=1{x1,x3,xy},{x25;吧U/R2=1x1,xs,x2,x6},x3,x4,x,!},夏/R3={x2,x7,x81,{x1,x3,x4,x,6这些等价类是由知识库K=(U,R1,R2,R3})中的初等概念(初等范畴)构成的基本范畴是初等范畴的交集构成的,例如下列集合3,x7}∩:x3,x4,3+74{∩{x256783y丁4;了它们分别为R1,R2}的基本范畴,即:红色三角形,蓝色方形,黄色三角形下列集合x3,x?C「x3,x4,x5,xs∩2,7x8={72,x1∩x,x;6∩2,x7,x8}={x2},5x69E845778f它们分别为{R12R2,R3的基本范畴,即红色大三角形,蓝色大方形,黄色大

matlab，python，opencv，c++等多种语言，多个项目源码

SuperMap iDesktop系列软件是插件式桌面GIS应用与开发平台，提供高级版、专业版和标准版三个版本，具备二三维一体化的数据处理、制图和分析等功能，支持访问在线地图数据服务，支持分享数据、资源、模板等到云端，支持.NET环境的插件式扩展开发，可快速定制行业应用系统。本教程共14章，包括GIS的基础知识，制图，分析等内容，是基于SuperMap iDesktop 7C(2015) v7.1.2版本编写的，后续会根据软件版本，逐渐更新本教程。

基于Labview的伺服电机控制 Labvizew 控制伺服电机转动

【实例简介】经典论文《A Local Contrast Method for Small Infrared Target Detection》提出的局部对比度图算法LCM(Local Contrast Method)的代码，自己调试通过，只需要改一下路径就可以直接运行。觉得好用请点赞