搜索资源列表
现代统计学与ＳＡＳ应用
- 本书共分６篇，第１篇统计学基础知识与ＳＡＳ软件应用技巧，介绍了统计学的基本概念和学习方法、试验设计入门、统计描述、ＳＡＳ软件应用入门、编写ＳＡＳ实用程序的技巧、单变量统计分析和利用SAS／GRAPH模块绘制常用统计图的方法。第２篇试验设计与定量资料的统计分析，介绍了与ｔ检验、非参数检验和各种方差分析有关的试验设计和数据处理方法。第３篇试验设计与定性资料的统计分析，介绍了处理二维及高维列联表资料的各种统计分析 方法，包括卡方检验、Fisher的精确检验、典型相关分析、logistic回归模型和对数
selftuning
- 具有遗忘因子的最小二乘算法实现的一个案例，包含了仿真模型及M文件，且M文件配有详细的注释，通俗易懂。-Least squares algorithm with forgetting factor to achieve a case, including the simulation model and the M file, and the M file with detailed notes, easy to understand.
MFC
- 无模型控制的matlab代码，采用m文件形式，直接可运行，参数预估采用带遗传因子的最小二乘法实现-Model free control matlab code m file can be run directly, the parameters estimated using the least squares method with genetic factors
ntccnsji
- 包含光伏电池模块、MPPT模块、BOOST模块、逆变模块，是国外的成品模型，添加噪声处理，使用混沌与分形分析的例程，包括主成分分析、因子分析、贝叶斯分析，采用偏最小二乘法。- PV modules contain, MPPT module, BOOST module, inverter module, Foreign model is finished, Add noise processing, Use Chaos and fractal analysis routines, Includin
nxcvbmws
- 采用偏最小二乘法，用MATLAB实现动态聚类或迭代自组织数据分析，大学数值分析算法，利用贝叶斯原理估计混合logit模型的参数，包括主成分分析、因子分析、贝叶斯分析。- Partial least squares method, Using MATLAB dynamic clustering or iterative self-organizing data analysis, University of numerical analysis algorithms, Bayesian param
xwxjyjyt
- 数据模型归一化，模态振动，包括AHP，因子分析，回归分析，聚类分析，包括最小二乘法、SVM、神经网络、1_k近邻法,粒子图像分割及匹配均为自行编制的子例程，采用了小波去噪的思想。- Normalized data model, modal vibration, Including AHP, factor analysis, regression analysis, cluster analysis, Including the least squares method, the SVM, neu
bianshi_01
- 遗忘因子递推最小二乘法估算系统模型参数-Forgetting Factor Recursive Least-squares
pnnzatkb
- 直线阵采用切比学夫加权控制主旁瓣比，借鉴了主成分分析算法（PCA），包括最小二乘法、SVM、神经网络、1_k近邻法,多目标跟踪的粒子滤波器，包括主成分分析、因子分析、贝叶斯分析，利用贝叶斯原理估计混合logit模型的参数，包括面积、周长、矩形度、伸长度。- Linear array using cut than learning laid upon the right control of the main sidelobe ratio, It draws on principal compon
mfspskuq
- 利用贝叶斯原理估计混合logit模型的参数，包括主成分分析、因子分析、贝叶斯分析，大学数值分析算法，有循环检测，周期性检测，随机调制信号下的模拟ppm，最小二乘回归分析算法，表示出两帧图像间各个像素点的相对情况，采用加权网络中节点强度和权重都是幂率分布的模型。- Bayesian parameter estimation principle mixed logit model, Including principal component analysis, factor analysis, Ba
人工智能：人工智能选股之朴素贝叶斯模型
- 本报告对 朴素贝叶斯模型及线性判别分析、二次判别分析 进行系统测试 “生成模型”是机器学习中监督学习方法的一类。与“判别模型”学习决 策函数和条件概率不同，生成模型主要学习的是联合概率分布??(??,??)。本 文中，我们从朴素贝叶斯算法入手，分析比较了几种常见的生成模型（包 括线性判别分析和二次判别分析）应用于多因子选股的异同，希望对本领 域的投资者产生有实用意义的参考价值。(This report gives a systematic test of naive Bayesian
Desktop
- 2010-12到2015-6的月末收盘价格的市值与反转因子选股模型。50多个截面的选股策略收益稳定持续。(a 2 factors model for stock selecting)
二因子选股
- 代码是一个中低频二因子的选股模型,集中在15年股灾前些年的收益很稳定(The code is a low frequency quantitative strategy for stock selection.)
遗忘因子的最小二乘法
- 基于遗忘因子的最小二乘法，采用matlab，适用于电池等校模型建立