搜索资源列表
duobuyuce
- 多部预测自校正控制的算法仿真程序，用matlab写的。用的RLS带遗忘的最小二乘法递推。-Forecast for more than self-tuning control algorithm simulation program, written using matlab. Used in the RLS with forgetting recursive least square method.
winep_code
- 这是一个典型的产生式系统的算法题.用的是有界深度优先的递归算法,是用C++Builder4.0写的.这也是人工智能或者程序设计竞赛题中最基本最常用的算法.如果自己动手编程实现了一个这样的题目,那么很多相关的题目也就都一样可以做了,比如"四皇后问题","推箱子问题","传教士和野人问题"等等。 利用深度优先的算法都是不一定能找到最优路径的,而且如果解路径过长的话还可能会搜索失败.如果保证要找到最优路径需要用另一些算法,比如宽度优先算法.无论是哪一种算法,如果问题稍微复杂一点的话,都要解决"
KF-Application-in-Navigation
- Kalman滤波实质上是一种实时递推算法，其设计方法简单易行，所需的存储空间小，因此，在工程实际中受到了广泛重视。随着计算机技术的飞速发展，以Kalman滤波技术为核心的现在估计理论也已广泛应用于航天、航空、航海、系统工程、通信、工业过程控制、遥感等各个领域。本文紧密结合Kalman滤波理论在导航、制导领域的应用展开。主要讨论各种导航种类中的惯性导航。讨论Kalman滤波在惯性导航实现以及其与其他种类导航的组合导航实现时的应用。并且建模实现惯性导航的过程，并且比较了在有辅助信息前提下误差均方根的
LS-
- 该程序是最小二乘算法的实现，包括最小二乘一次完成算法和最小二乘递推算法。-This is the LS algorithm for system identify.
DiTuiSuanfaKalMAN
- MatLab 实现的卡尔曼递推算法，题目来源于丁玉美的数字信号处理教程-MatLab implementation of the Kalman recursive algorithm, the title comes from Ding Yumei digital signal processing tutorial
kalmalvbosuanfa
- kalman滤波递推程序matlab算法实现，配有程序运行结果图3涨-matlab kalman filter algorithm recursive process, with a run up the results of Figure 3
dckalman
- 卡尔曼滤波算法，基于改进的卡尔曼递推算法-Kalman filter algorithm, the Kalman recursive algorithm based on improved
code
- 遗忘因子最小二乘递推算法(RFF) ，经典的程序- Forgetting factor recursive least squares algorithm (RFF), a classic program
introduction-of-adp
- 自适应动态规划介绍。一种求解动态规划方法HJB方程的自学习控制算法，称其为自适应动态规划算法。所提的算法可以用来解决未知离散时间非线性系统的最优控制问题，同时给出了该控制算法的收敛性证明。算法的实现用到了三个神经网络，在递推的每一步分别用来近似性能指标函数、最优控制律和未知非线性系统。-Adaptive Dynamic Programming introduction. Dynamic programming method for solving the HJB equation self-le
apriori_java
- Apriori算法[1]是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。-Apriori algorithm [1] is one of the most influential association rule mining algorithm Boolean frequent item sets. Its core is based on a t
1305552
- 本文对求解线性方程组的LU分解递归算法进行了研究,给出了算法的详细推到过程,并用支持递归过程的FORTRAN90语言对算法()
typ-directed
- 常用算法的C语言实现方法,如迭代法,穷搜法,递推法等等,()
3-17
- 字符串比较问题 问题分析：解答此题需要一个较为巧妙的解题思路。解决此题可以借用“最长公共子串”问题的解题思路。采用自底向上的动态规划思想。假设对于给定的字符串A，B长度分别为m,n，A[1..m],B[1..n],这里可以使用变量val[m][n]表示A,B的扩展距离。 对于字符串A[1..m],B[1..n],有以下两种情况： 1.A[m]和B[n]处在扩展字符串的同一个位置，那么val[m][n]=val[m-1][n-1]+abs(A[m]-B[n])。 2.A[m]和B[n]不在