搜索资源列表
shiyan4
- 数据结构实验4报告，实验内容或题目 l、随机产生n=100，200，300，1000，2000个整数并存于数组r[1..n]中。对主要查找算法（顺序查找、插入排序、冒泡排序、堆排序、快速排序）进行实验比较，计算出平均比较次数、平均移动次数及执行时间。由程序自动计算，由手工计时。 2、对实验结果数据进行对比分析。 主要内容是
StudytheApplicationofMonteCarloParticleFilterAlgor
- 随着这些年计算机硬件水平的发展, 计算速度的提高, 源自序列蒙特卡罗方法的蒙特卡罗粒子滤波方法的应用研究又重新活跃起来。本文的这种蒙特卡罗粒子滤波算法是利用序列重要性采样的概念, 用一系列离散的带权重随机样本近似相 应的概率密度函数。由于粒子滤波方法没有像广义卡尔曼滤波方法那样对非线性系统做线性化的近似, 所以在非线性状态估计方面比广义卡尔曼滤波更有优势。在很多方面的应用已经逐渐有替代广义卡尔曼滤波的趋势。
TheApplicationResearchofImprovedParticleFilterAlgo
- 本文的题目是改进的粒子滤波在组合导航中的应用研究。文档可用caj打开。 本课题首先研究了GPS/DR车载定位系统的组合模型，然后在分析了非线性滤波的基础上，引入了粒子滤波。粒子滤波是一种基于递推计算的序列蒙特卡罗算法，它采用一组从概率密度函数上随机抽取的并附带相关权值的粒子集来逼近后验概率密度，从而不受非线性、非高斯问题的限制。虽然粒子滤波存在诸多优点，然而它仍然存在诸如粒子数匿乏、滤波性能不高、实时性差等问题。
20080103suijiguocheng
- 随机过程在实际中的应用,是关于导引头跟踪精度的一个算法,其中包含公式和图片.
pdoteaching.pdf
- 随机微粒群算法程序pdf 围绕粒子群的当前质心对粒子群重新初始化.这样，每个粒子在随后的迭代中将在新的位置带着粒子在上次搜索中获得的“运动惯性”从而可以在粒子群的运动过程中获得新的位置，增加求得更优解的机会.随着迭代的继续，经过变异的粒子群又将趋向于同一点，当粒子群收敛到一定程度时又进行下一次变异，如此反复，直到迭代结束