搜索资源列表
2006UncertaintySystems
- 使用统计方法进行系统不确定性的分析，包含m函数和Simulink模型-Using Statistics for Uncertainty Analysis in System Models
Bifurcation
- 一种判断是否混沌的程序，混沌信号因其的不确定性，伪随机信，比传统密码学更有优势，因此判断是否混沌显得尤为重要！-A judge whether chaos program, chaotic signal because of its uncertainty, pseudo random letters, have more advantages than the traditional cryptography, so judge whether chaos seems particularly
path-planning-MOPSO
- 采用粒子群算法，解决不确定性环境中，机器人路径规划问题-Robot path planning in uncertain environment using multi-objective particle swarm optimization
cover
- 该程序利用算法，把不同摄像机远近的图片单应到顶视图上，表示其不确定性-the different distance of camera can produce different picture.
power-flow
- 电网内的多个风电场风速往往因为其地理位置的远近而有着不同程度的相关性，采用Ｎａｔａｆ 逆变换技术即可建立不同风电场之间具有相关性的风速分布样本空间，进而得到具有相关性的风 电场出力。在仿真过程中考虑风速的不确定性，将每个风电场出力视为一个负的满足威布尔随机 分布的负荷，根据历史数据，用方差—协方差矩阵描述不同风电场相关系数，建立最优潮流模型。 最后，在风电接入改进ＩＥＥＥ ３０及ＩＥＥＥ １１８节点系统中应用蒙特卡洛仿真计算，定量研究随着风 电场之间相关性的增强，最优潮流结果
power-flow2
- 风电场的大规模接入使得电力系统在进行规划设计和 方式安排时需要计及风电出力的不确定性，概率潮流计算方 法是在计及不确定因素的条件下分析电力系统运行状态的 重要工具。针对当前所使用的概率潮流计算方法的不足，提 出一种可以处理多个输入随机变量相关性的基于拉丁超立 方采样(Latin hypercube sampling，LHS)的Monte Carlo 模拟 概率潮流计算方法，该方法同时还具有精度高和速度快等优 点，并且不受输入随机变量的概率分布类型的约束。-Access
shang
- 熵值法是一种客观赋权法。在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小。反之，信息量越小，不确定性越大，熵也越大。利用熵值法确定指标权重，在一定程度上，避免了主观的随意性。-Entropy method is a kind of objective empowerment method.In information theory, entropy is a measure of uncertainty.The smaller the amount of inform
dc_scripts
- dc脚本，包括输入端口，输出端口的时序约束，时钟不确定性以及对hold的修复-dc scr ipt, including an input port, an output port timing constraints, and the hold clock uncertainty repair
ClusterEnsemble5
- 将常用的5种聚类算法相结合，以解决单一聚类算法的不确定性，提高聚类精确度。-The five common clustering algorithms are combined to solve the uncertainty of single clustering algorithm and improve the clustering accuracy.
quanprog
- quanprog 不确定性支持向量机寻优(matlab function quadprog for uncertain svm)
banjo.2.0.1
- 贝叶斯网络是一种概率网络，它是基于概率推理的图形化网络，而贝叶斯公式则是这个概率网络的基础。贝叶斯网络是基于概率推理的数学模型，所谓概率推理就是通过一些变量的信息来获取其他的概率信息的过程，基于概率推理的贝叶斯网络(Bayesian network)是为了解决不定性和不完整性问题而提出的，它对于解决复杂设备不确定性和关联性引起的故障有很大的优势，在多个领域中获得广泛应用。(Bias network is a probabilistic network, which is a graphical
kl
- 计算kl散度，信息熵，是随机变量或整个系统的不确定性。熵越大，随机变量或系统的不确定性就越大。 相对熵，用来衡量两个取值为正的函数或概率分布之间的差异。 交叉熵，用来衡量在给定的真实分布下，使用非真实分布所指定的策略消除系统的不确定性所需要付出的努力的大小。 相对熵=交叉熵-信息熵(Relative entropy, used to measure the difference between two positive functions or probability distributi
kl
- 信息熵，是随机变量或整个系统的不确定性。熵越大，随机变量或系统的不确定性就越大。 相对熵，用来衡量两个取值为正的函数或概率分布之间的差异。 交叉熵，用来衡量在给定的真实分布下，使用非真实分布所指定的策略消除系统的不确定性所需要付出的努力的大小。 相对熵=交叉熵-信息熵：(Relative entropy, used to measure the difference between two positive functions or probability distributions.
Homework_Dataset
- 信息熵，是随机变量或整个系统的不确定性。熵越大，随机变量或系统的不确定性就越大。相对熵，用来衡量两个取值为正的函数或概率分布之间的差异。交叉熵，用来衡量在给定的真实分布下，使用非真实分布所指定的策略消除系统的不确定性所需要付出的努力的大小。(Information entropy is the uncertainty of random variables or the whole system. The greater the entropy, the greater the uncertai
Class_4_Code
- 信息熵，是随机变量或整个系统的不确定性。熵越大，随机变量或系统的不确定性就越大。 相对熵，用来衡量两个取值为正的函数或概率分布之间的差异。 交叉熵，用来衡量在给定的真实分布下，使用非真实分布所指定的策略消除系统的不确定性所需要付出的努力的大小。 相对熵=交叉熵-信息熵：(Information entropy is the uncertainty of random variables or the whole system. The greater the entropy, the gr
Class_5_Code
- 信息熵，是随机变量或整个系统的不确定性。熵越大，随机变量或系统的不确定性就越大。相对熵，用来衡量两个取值为正的函数或概率分布之间的差异。交叉熵，用来衡量在给定的真实分布下，使用非真实分布所指定的策略消除系统的不确定性所需要付出的努力的大小。相对熵=交叉熵-信息熵：(Information entropy is the uncertainty of random variables or the whole system. The greater the entropy, the greater
程序
- 针对齿轮箱故障诊断的问题，提出了一种基于BP神经网络和DS 证据理论的不确定性信息融合方法。(In order to realize a stable and effective gearbox fault diagnosis system, an uncertain information fusion method based on BP neural network and modified DS evidence theory is proposed.)
灰色神经网络预测
- 灰色系统理论是一种研究少数据、贫信息、不确定性问题的新方法，该代码为基于灰色神经网络的预测算法，例子为冰箱市场的订单需求预测。(Grey system theory is a new method to study less data, poor information and uncertainty. It is a prediction algorithm based on grey neural network, and an example is the order demand pre
cloud
- ”云”或者’云滴‘是云模型的基本单元，所谓云是指在其论域上的一个分布，可以用联合概率的形式（x， u）来表示 云模型用三个数据来表示其特征 期望：云滴在论域空间分布的期望，一般用符号Εx表示。 熵：不确定程度，由离散程度和模糊程度共同决定，一般用En表示。 超熵： 用来度量熵的不确定性，既熵的熵，一般用符号He表示。 云有两种发生器：正向云发生器和逆向云发生器，分别用来生成足够的云滴和计算云数字特征（Ex， En，He）。 正向云发生器： 1.生成以En为期望，以H
fuheDG
- 首先判断IEEE33节点的拓扑结构是否满足辐射状约束，然后采用牛顿拉夫逊法计算潮流，考虑分布式电源的不确定性，采用半步变量法进行随机潮流计算，仔细研究非常有用(First, determine whether the topology of IEEE33 nodes meets the radial constraint, and then use Newton Raphson method to calculate power flow, considering the uncertainty