搜索资源列表
LHS
- 拉丁超立方抽样，调用方式如下：S=lhs(m,dist,mu,sigma,lowb,upb) m: a scalar,the number of sample points dist: A row with distribution type flags of basic random variables the value of the flag can be 1 (for uniform distribution, 2(for normal distribution), 3
lhs
- 这个程序组是拉丁超立方模拟程序，是高级的monte carlo模拟随机抽样。-This program group is Latin hypercube simulation program, it is the senior monte carlo simulation of random sampling.
LHS
- 拉丁超立方抽样试验设计程序：输入多维变量样本和所需组数，输出基于拉丁超立方抽样方法的实验设计结果-LHS test design program:input the multidimensional variable samples and the number set, output the design of experiment results based on Latin hypercube sampling method
generar LHS_Cholesky
- 基于 Cholesky相关系数，数据随机产生的拉丁方抽样程序代码(Stochastic fields Generation. created by LHS. Correlation is based on Cholesky factorization)
modify_surrogate
- 拉丁超立方抽样及BP神经网络代理模型的建立与预测误差分析(Latin hypercube sampling & BP neural network model)
LHS（拉丁抽样）
- 进行拉丁随机抽样；可以自行修改参数；可以画图(Latin random sampling)
LHS-Kriging
- 正态分布、均匀分布拉丁超立方抽样，Kriging模型(LHS,Kriging,latin_hs,lhsu)
e702633d
- 拉丁超立方抽样（英语：Latin hypercube sampling，缩写LHS）是一种从多元参数分布中近似随机抽样的方法，属于分层抽样技术，常用于计算机实验或蒙特卡洛积分等。(Latin hypercube sampling (abbreviated LHS) is an approximate random sampling method from multivariate parameter distribution. It belongs to stratified sampling
lhs
- 拉丁超立方抽样技术最早于1979年由McKay等提出，该方法具有以下优点： 具有均匀分层的特性 可以在较少抽样的情况下，得到尾部的样本值 以上两点使得拉丁超立方抽样比起普通的抽样方法更加的高效。 首先确定样本数N，既要抽取的样本数目 将（0，1）区间均分为N段 在这N段中的每一段随机的抽取一个值 将抽取的值通过标准正态分布的反函数映射为标准正态分布样本 打乱抽样顺序，用matlab中的sort函数