svm 网格搜索法

一个用saber仿真软件的buck电路双闭环仿真，可以直接运行，无需修改，模型采用电压电流双闭环，不是用电路搭建，用模型搭建，对学习saber控制系统建模很有帮助

高飞作者书，MATLAB智能算法超级学习手册源码。通过此书的学习，加上对代码的阅读调试，能够更好的对算法理解。

电子工业出版社，2005.2.第1章 合成孔径雷达图像的物理基础；第2章 合成孔径雷达的原理；第3章 星载合成孔径雷达系统；第4章 合成孔径雷达图像；第5章 相干斑的模型；第6章 反射系数的估计与SAR图像滤波；第7章 SAR图像分类；第8章 点、边缘和线的检测；第9章 雷达几何与地形几何；第10章 雷达立体测量；第11章 雷达斜坡测量；第12章 雷达干涉测量；第13章 条纹的展开；第14章 雷达海洋探测；

CNN卷积神经网络的MATLAB程序，及注解

基于leaflet的生成流体风场代码，leaflet-velocity，leaflet风场流线插件

黑客速成游戏HackTheGame 1.21汉化版，帮助你在学习中游戏，游戏中充实自己。

电子扫描,基于ANSYS/LS-DYNA 8.1进行显式动力分析

simulink仿真文件，一个DC/AC的电路逆变器控制，使用虚拟同步发电机技术（VSG）控制方法，运行顺利，仿真结果波形良好。

来自IEEE PES数据库的电能质量扰动数据源，是研究验证电能质量分析方法的重要资源。

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