PSO算法.m(粒子群)

【实例简介】Fundamentals_of_Kalman_Filtering_A_Practical_Approach_Third_Edition

数字巴特沃斯滤波器

谱聚类能够识别任意形状的样本空间且收敛于全局最优解，其基本思想是利用样本数据相似矩阵的进行特征分解后得到的特征向量进行聚类，程序进行了几种不同聚类算法的比较，包括Q矩阵聚类，kmeans聚类，第一特征分量聚类，第二广义特征分量聚类，公用数据生成和近邻矩阵生成

基于粒子群算法的含风电10机组机组组合程序，可以直接使用

RBF.m

【实例简介】

在实际问题中，经常遇到需要研究两组多重相关变量间的相互依赖关系，并研究用一组变量（常称为自变量或预测变量）去预测另一组变量（常称为因变量或响应变量），除了最小二乘准则下的经典多元线性回归分析（MLR），提取自变量组主成分的主成分回归分析（PCR）等方法外，还有偏最小二乘（PLS）回归方法。 偏最小二乘回归提供一种多对多线性回归建模的方法，特别当两组变量的个数很多，且都存在多重相关性，而观测数据的数量（样本量）又较少时，用偏最小二乘回归建立的模型具有传统的经典回归分析等方法所没有的优点。  偏最小二乘回归分析在建模过程中集中了主成分分析，典型相关分析和线性回归分析方法的特点，因此在分析结果中，除了可以提供一个更为合理的回归模型外，还可以同时完成一些类似于主成分分析和典型相关分析的研究内容，提供更丰富、深入的一些信息。

运用龙格库塔法-ode45求解一个多自由度的振动方程，得到振动的时域响应曲线

跳频函数

改进自适应LMS算法