蚁群算法之最短路径

【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。

【实例简介】《锁相环讲解及simulink仿真》一文中用到的参考文献及simulink工程文件

【实例简介】本实例是司守奎老师建模指导书第二版所有源程序

基于人工蜂群优化算法优化算法，计算各类函数的优化值

关于电力负荷的SVM预测，设计了MATLAB的可视化界面，含数据，包含一般SVM，粒子群优化下的SVM，改进粒子群优化下的SVM

【实例简介】

【实例简介】

【实例简介】仿真图像合理

3.设有ARMA（2，2）模型：W(n)是零均值正态白噪声，方差为4。（1）用MATLAB模拟产生X(n)的500观测点的样本函数，并绘出图形；（2）用产生的500个观测点估计X(n)的均值和方差；（3）画出X(n)的理论的功率谱；（4）估计X(n)的自相关函数和功率谱。