离散化

整流器+逆变器。 前级采用PWM整流器，采用双闭环前馈解耦控制

整个仿真环境完全离散化，运行时间更快，主电路与控制部分以不同的步长运行，更加贴合实际。基于双二阶双二阶广义积分器的三相锁相环，在初始时刻就可以准确锁得电网相位，比软件自带的模块琐相更快。
「已注销」·2022-11-25 21:30

buck变换器。 采用双闭环控制，外环为电压环，内环为电流环。 其中，内环采用平均电流采样

整个仿真完全离散化，主电路与控制部分以不同的步长运行，更加贴合实际。ID:4370680511104281
「已注销」·2022-11-25 21:59

python决策树_python决策树之C4.5算法详解

算法主要做了一下几点改进：（1）通过信息增益率选择分裂属性，克服了ID3算法中通过信息增益倾向于选择拥有多个属性值的属性作为分裂属性的不足；（2）能够处理离散型和连续型的属性类型，即将连续型的属性进行离散化处理
weixin_39860975·2022-11-25 21:19

基于双二阶广义积分器的三相锁相环 在simulink中采用模块搭建了三相锁相环

在simulink中采用模块搭建了三相锁相环，整个仿真环境完全离散化。锁相结果如下图所示，其中黑色的是电网相位。ID:9330672932353743
「已注销」·2022-11-25 13:25

强化学习开发环境搭建与入门实验——CliffWalking与CartPole

检验服务器特殊配置虚拟渲染原理不同来源环境的不同Xvfb插件表格型方法CliffWalking程序框架设计环境智能体（Agent/Actor）训练方法代码SARSAQ-learning关于Gym库结果可视化CartPole环境概述状态离散化代码
亦梦亦醒乐逍遥·2022-11-25 12:53

机器学习中的特征提取

特征提取大体上可以分为三大类：字典特征提取(特征离散化)文本特征提取图像特征提取（深度学习）本篇文章中我们只讨论前两种特征提取方法。一、字典特征提取作用：对字典数据进行特征值化。
__山顶洞人__·2022-11-25 10:15

matlab实现正弦内插算法（低通滤波）

而数字信号处理课程中学到，时域的离散化对应频域的周期化。通过低通滤波器，截取频域上的一个周期的函数，进行离散傅里叶反变换，即可还原原始波形。
希言自然也·2022-11-25 05:35

数据挖掘和机器学习的基本概念

数据预处理：聚集、抽样、维度归约、属性选择、属性创建、离散化和二元化、变量变换。分类和回归：分类和回归是数据挖掘领域的重要技术。
雪狐晨光·2022-11-24 18:44

PWM整流器仿真。 在simulink中搭建了PWM整流器，采用电压电流双闭环控制，实现了网侧电压与电流同相位

整个仿真全部离散化，运行时间更快，主电路与控制部分以不同的步长运行，更加贴合实际。ID:3565680860221930电力电子PE
「已注销」·2022-11-24 16:57

三相逆变器重复控制。 在simlink中搭建了逆变器的重复控制模型，滤波器环节采用了陷波器与二阶低通滤波器

整个仿真全部离散化，采用离散解析器，主电路与控制部分以不同的步长运行，更加贴合实际,控制与采样环节全部自己手工搭建，没有采用Matlab自带的模块。ID:84200680874381646电力电子PE
「已注销」·2022-11-24 16:57

MATLAB实现各种熵：香农熵、条件熵、模糊熵、样本熵等

一种常见的方式是直方图法，它将连续变量的取值离散化，通过变量范围内划分bins，将不同的变量取值放入一个个bins中，然后统计其频率
WW、forever·2022-11-24 12:59

路径规划中常用的地图结构

对于移动机器人中的地图，常见的数据结构包括：1.栅格地图将空间中连续的地图在X、Y轴上(3D地图中还包含Z轴)进行离散化，得到一系列栅格，每个栅格只有占据、空闲和未知三个状态。
space_dandy·2022-11-24 11:56

机器学习---决策树（ID3，C5.0，CART）

决策树介绍3.ID3算法信息熵代码实现信息熵的计算：信息增益python实现信息增益公式4.C4.5算法5.C5.0算法6.CART算法基尼指数Gini指标Python代码实现信息增益的计算7.连续属性离散化
温旧酒一壶~·2022-11-24 09:13

一级倒立摆状态空间建模，离散化，Matlab仿真，添加高斯噪声并采用卡尔曼滤波去噪

最近做了一个和一级倒立摆有关的作业，做的时候在网上查阅了很多的资料，但是发现CSDN的很多资料文件都需要付费才能下载。本着开源的精神，搞一波分享，求点赞收藏。代码直接放在开头，转载表明出处谢谢。当然，文中可能有很多错误，尤其是卡尔曼滤波部分，因为我对卡尔曼滤波一窍不通，只是任务需要去照猫画虎接进去罢了，仅供参考，轻喷。1.先上代码，能跑才有下一步（1）倒立摆建模部分：“Filter.m”clc;c
穷到学习·2022-11-24 05:21

西瓜+南瓜 task2:线性回归

线性回归线性模型，其实是连续型的，想要做分类，可以用“阈值”离散化，这样就可以继续使用了。有这样一个数据集D，且是离散，存在“序”关系，比如说高、中、低，三种属性，将其变成为{1.
꧁ᝰ苏苏ᝰ꧂·2022-11-24 00:50

单相逆变器重复控制。 采用重复控制与准比例谐振控制相结合的符合控制策略

整个仿真全部离散化，包括采样与控制的离散，控制与采样环节没有使用simulink自带的模块搭建，全部手工搭建。ID:55200682821535667电力电子PE
「已注销」·2022-11-23 23:59

逆变器。 在simulink中采用C语言实现整个仿真，包括双闭环前馈解耦控制

整个仿真全部离散化，采用离散解析器，主电路与控制部分以不同的步长运行，更加贴
「已注销」·2022-11-23 18:31

逆变器重复控制。 采用simulink仿真嵌入C语言实现了逆变器重复控制模型的搭建

整个仿真全部离散化，采用离散解析器，主电路与控制部分以不同的步长运行，更加贴合实际。可以根据这个例子在simulink中编写自己的算法，然后直接把算法代码移植
「已注销」·2022-11-23 18:01

机器学习——决策树的剪枝

原因：上一篇博客是使用ID算法构建的决策树，而ID3算法构建的决策树可能存在以下问题：①不能对连续数据进行处理，只能通过连续数据离散化进行处理；②采用信息增益容易偏向取值较多的特征，准确率不如信息增益率
Gucciwei·2022-11-23 18:28

城市空气质量分析与预测

、缺失值1.1、缺失值探索1.2、缺失值处理1、数据分布2、填充数据2、异常值2.1、异常值探索1、describe方法2、3σ的方式3、箱线图2.2、异常值处理1、对数转换2、使用边界值替换3、分箱离散化
孙若堃·2022-11-23 13:32

入门电机系列之6PID 算法的原理与应用

日常应用PID算法介绍举例分析便于理解PID算法的离散化二、使用步骤1.C语言代码实现位置式PID
闰土小蒋·2022-11-23 10:22

使用jupyter做数据分析与挖掘

使用jupyter做数据分析与挖掘使用jupyter做数据分析与挖掘数据关系统计量分析异常值分析贡献度分析相关性分析将数据缺失值进行插补数据规范化连续属性离散化属性构造使用jupyter做数据分析与挖掘数据关系统计量分析
汪敏wangmin·2022-11-23 01:20

matlab z变换离散化_Matlab数据可视探索

一、以plot为例Matlab中最常用的绘图指令当属plot，此外很多绘图函数与plot用法相似，因此，首先详细介绍plot的使用方法。绘制图形通常通过以下步骤来完成：准备数据—选定位置—调用指令—设置坐标—图形注释—图形修饰。1.1准备数据。(1)Excel类文件。文件路径：文件位置及名称用字符串表述，字符串即单引号内的内容，其连接可采用矩阵行连接。例如在D盘DataProcess文件夹内DAT
weixin_39950081·2022-11-22 22:38

高速无人驾驶车辆防滑移MPC控制 学习笔记（未完结）

目录1高速行驶车辆模型预测控制1.1面临的挑战与解决方案1.1.1高速车辆稳定性问题1.1.2解决方案1.2变步长离散化等效模型1.2.1阶段一：短步长离散化1.2.2阶段二：长步长离散化1.3基于横摆稳定约束的轨迹跟踪
江海是老的辣@Drakie·2022-11-22 22:24

自动驾驶横向控制 LQR 算法推导及仿真学习笔记

1.1Frenet坐标系1.2横向误差模型1.2.1运动学模型1.2.2自行车模型1.2.3轮胎侧偏特性2、LQR及前馈控制算法2.1Frenet坐标系下的连续LQR2.2离散LQR2.2.1前向欧拉法、中点欧拉法离散化
江海是老的辣@Drakie·2022-11-22 22:24

带避障功能的MPC局部路径规划+跟踪控制学习笔记

目录1轨迹跟踪MPC设计1.1非线性模型预测控制算法1.1.1非线性MPC概述1.1.2基于动力学的车辆点质量模型（非线性、连续）1.1.3离散化为预测模型1.1.4避障功能函数及MPC目标函数1.1.55
江海是老的辣@Drakie·2022-11-22 22:53

【运动控制】连续时间状态方程的离散化

连续时间状态方程的离散化-20220719修改1连续时间状态方程1.1时域1.2频域1.3z域2离散化2.1前向差分2.2后向差分2.2.1使用u(k+1)u(k+1)u(k+1)2.2.2使用u(k)
yanghq13·2022-11-22 17:33

学习笔记-状态方程精确离散化

假设连续系统的线性状态方程为：x˙=Ax+bu\dot{\mathbf{x}}=\mathbf{A}\mathbf{x}+\mathbf{b}ux˙=Ax+bu,x(0)=x0x(0)=x_0x(0)=x0其状态转移矩阵为：Φ(t)=∑k=0∞Aktkk!=eAt\mathbf{\Phi}(t)=\sum_{k=0}^{\infty}\mathbf{A}^{k}\frac{t^{k}}{k!}=e
破破破破·2022-11-22 17:33

利用matlab实现pid控制,利用Matlab实现PID控制仿真

;ts=0.001;%采样时间=0.001ssys=tf(5.235e005,[1,87.35,1.047e004,0]);%建立被控对象传递函数dsys=c2d(sys,ts,‘z‘);%把传递函数离散化
白苏艾·2022-11-22 17:31

状态空间离散化matlab,状态空间方程离散化的matlab处理

之前已经简单了解过状态空间方程的离散化方法，对于二阶等效电路模型来讲，由于其本身各个方程之间不是耦合的，所以离散化计算过程并不是十分复杂，很容易就可以得到其状态空间方程的离散形式。
weixin_39923806·2022-11-22 17:00

连续系统离散化_状态空间方程的离散化

介绍下两个常用的离散化方法：(1)欧拉法；(2)零阶保持法。零阶保持法在精确度和稳定性方面优于欧拉法。
weixin_39845461·2022-11-22 17:30

连续系统离散化_如何将连续系统状态空间方程离散化？

如何将连续系统状态空间方程离散化？上篇介绍了基于传递函数的离散化方法。个人理解，传递函数属于经典控制理论范畴，比较适合对单入单出系统系统进行分析，包括时域分析，频域分析等。
weixin_39771351·2022-11-22 17:59

matlab 状态方程离散化,一种将离散化状态方程映射为并行多处理器计算机的方法...

一种将离散化状态方程映射为并行多处理器计算机的方法V1.1摘要：针对大量存在的控制系统(通常包含多个微控制器)以及相应的仿真系统，本文提出了一种通用的理想化的基于共享内存的并行多处理器计算机的模型。
小马宋·2022-11-22 17:28

MATLAB-离散系统的数字PID控制仿真

ts=0.001;%采样时间=0.001s sys=tf(5.235e005,[1,87.35,1.047e004,0]);%建立被控对象传递函数dsys=c2d(sys,ts,'z');%把传递函数离散化
weixin_30340353·2022-11-22 17:28

连续状态方程离散化

begin{array}{l}\dotx(t)=Ax(t)+Bu(t)\\y(t)=Cx(t)+Du(t)\end{array}x˙(t)=Ax(t)+Bu(t)y(t)=Cx(t)+Du(t)将以上状态方程离散化以下形式
fx2h·2022-11-22 17:52

如何将连续系统状态空间方程离散化

差分变换连续系统转化为离散系统的方法之--z变换。z变换主要研究如何将连续系统传递函数G(s)转化为离散传递函数G(z)。就是找到一个s和z的关系，直接将G(s)中的s全部替换为z便大功告成。线性连续系统的表达方法之一便是传递函数C(s)=b0sn−1+...+bn−1sn+a0sn−1+...+an−1(1)C(s)=\frac{b_0s^{n-1}+...+b_{n-1}}{s^n+a_0s^
Let'sCode·2022-11-22 17:51

状态方程离散化处理

连续状态空间方程：1欧拉法1.1状态方程将代入状态方程得化简为1.2输出方程输出方程为将表达式代入上式得1.3离散化后的状态空间方程其实欧拉法属于不精准的离散化。
方如一·2022-11-22 17:14

状态方程的离散化仿真

1.离散化模型的推导设系统的状态空间表达式为:x˙(t)=Ax+Bu(t)y(t)=Cx(t)+Du(t)\dot{\mathbf{x}}(t)=A\mathbf{x}+B\mathbf{u}(t)\\
赛亚茂·2022-11-22 17:13

【数据挖掘】数据预处理

OutlineChapterOverview1.为什么要对数据预处理2.数据描述性总结3.数据清洗4.数据变换5.数据整合6.数据归约7.离散化与概念层级8.总结Chapter1.为什么要预处理我们从现实生活中获得的原始数据
Torture_L·2022-11-22 15:49

Multigrid reinforcement learning with reward shaping

在本文中，我们提出了一种通过状态空间离散化来解决强化学习中这个问题的方法。特别是，我们表明可以在实际强化学习过程中并行在线学习势能函数。
难受啊！马飞...·2022-11-22 11:31

经典机器学习备忘录

文章目录一、特征工程1.1特征处理1.1.1特征清洗1.1.2去量纲1.1.3离散化1.1.4缺失值处理1.1.5特征变换1.2特征选择1.2.1过滤法(filter)1.2.2包装法(wrapper)
東方海竹·2022-11-22 08:48

机器学习之决策树的连续值、缺失值处理

且由于连续属性的可取数目不再有限，因此，不能直接根据连续属性的可取值来对节点进行划分，此时，对于连续数据的离散化技术就可以派上
Demo_xxx·2022-11-22 04:12

决策树中的连续值处理

连续值处理：决策树处理的是离散数据，当离散数据中混杂着连续数据时，我们希望将连续数据离散化。我们可以将连续取值的值域划分为多个区间，每个区间视为一个属性取值，这样就将连续数据离散化了。
猫猫虫(——)·2022-11-22 04:08

决策树处理连续值的方法

因此需要连续属性离散化，常用的离散化策略是二分法，这个技术也是C4.5中采用的策略。
贾世林jiashilin·2022-11-22 04:36

决策树——连续值的处理

因此需要连续属性离散化，常用的离散化策略是二分法，这个技术也是C4.5中采用的策略。下面来具体介绍下，如何采用二分法对连续属性离散化：下面举个具体的例子，来看看到底是怎样
CC丶Z·2022-11-22 04:03

机器学习算法——决策树5（连续与缺失值处理）

此时，连续属性离散化技术可派上用场。最简单的策略是采用二分法（bi-partition）对连续属性进行处理。
Vicky_xiduoduo·2022-11-22 04:32

决策树属性为连续值时进行离散化

离散化可以采用二分法寻找最优的划分点切记，离散化时最重要的是，在进行构建决策树时，连续的属性可以多次使用，即可以作为后面节点的划分属性！！！！！！！！！！！！！！！！！！
Han_Xiao_yu·2022-11-22 04:30

实验——贝叶斯决策论预测贷款是否违约

目录一实验说明1.1背景1.2实验数据说明1.3实验注意事项二实验数据分析三实验原理3.1主要原理3.2处理分类数据3.3数据离散化3.4拉普拉斯平滑四代码实现4.1众数填充缺失值4.2处理分类数据4.3
Sunburst7·2022-11-22 02:42

决策树的构造——进阶处理

由前一篇文章决策树的构造我们了解了什么是决策树，离散型数据的代码实现以及构造它的决策树图形，接下来我们继续了解关于决策树的算法类型ID3算法，C4.5算法，CART算法，以及数据的离散化处理和决策树的预剪枝和后剪枝操作
Garlic frog·2022-11-22 02:44

数字图像处理（1）数字图像的采样与量化

将模拟图像转化为数字表示的数字图像的离散化方法主要包含采用和量化这两个步骤。采样采样就是将图像像棋盘一样分成一格一格的。每一格有对应的二维坐标，每个坐标都有与之对应的像素值。
应天๑·2022-11-22 01:06
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他