代码搜索：模型量化
找到约 6,455 项符合「模型量化」的源代码
代码结果 6,455
www.eeworm.com/read/310167/13657267
txt kalman lqg.txt
%%设计LQG控制系统，最小方差控制系统
A=[-1 -6.25;16 0];
B=[2 0]';
C=[0 3.125];
D=0;
sys=ss(A,B,C,D);%%生成状态空间模型
clsys0=feedback(sys,1);
t=0:0.01:0.8;
u1=25+t*0;
N=length(t);
u2=idinput(N,'rgs');%%产生输入信号
G=[
www.eeworm.com/read/147529/5728590
m jm99asmfun.m
function f=test(data,n,m)
%年中国大学生数学建模竞赛a题：自动化车床管理模型一
%参见《数学的实践与认识》2000.1.p36-40
%费用函数
%n--examing interval
%m--Max number of products
%x--Living
%y--average loss
x=data;
num_prod=min((n*ceil
www.eeworm.com/read/147529/5728606
m jm99a1.m
%99年中国大学生数学建模竞赛a题：自动化车床管理模型一
%参见《数学的实践与认识》2000.1.p36-40
clear;opt=inf;
for n=[10 20 30]
for m=[200 300 400]
[x0,op]=fmins('jm99afun',[n m]);
if op(8)
www.eeworm.com/read/147529/5728719
m quadeg5.m
%微积分例5：微分方程（rk4,ode45)
%需用模型函数quadeg5fun.m
clear;close;
[t,y]=rk4('quadeg5fun',[0,7],1,0.03);
plot(t,y);
hold on;
[t,y]=ode45('quadeg5fun',[0,7],1);
plot(t,y,'r:');
hold off;
www.eeworm.com/read/147529/5728800
m jm99asmfun.m
function f=test(data,n,m)
%年中国大学生数学建模竞赛a题：自动化车床管理模型一
%参见《数学的实践与认识》2000.1.p36-40
%费用函数
%n--examing interval
%m--Max number of products
%x--Living
%y--average loss
x=data;
num_prod=min((n*ceil
www.eeworm.com/read/147529/5728816
m jm99a1.m
%99年中国大学生数学建模竞赛a题：自动化车床管理模型一
%参见《数学的实践与认识》2000.1.p36-40
clear;opt=inf;
for n=[10 20 30]
for m=[200 300 400]
[x0,op]=fmins('jm99afun',[n m]);
if op(8)
www.eeworm.com/read/147529/5728929
m quadeg5.m
%微积分例5：微分方程（rk4,ode45)
%需用模型函数quadeg5fun.m
clear;close;
[t,y]=rk4('quadeg5fun',[0,7],1,0.03);
plot(t,y);
hold on;
[t,y]=ode45('quadeg5fun',[0,7],1);
plot(t,y,'r:');
hold off;
www.eeworm.com/read/491628/6431598
m globaladaptive.m
%文件名:globaladaptive.m
%程序员:郭迟
%编写时间:2004.4.7
%函数功能:本函数将完成Watson模型下全局自适应水印
%输入格式举例:[result,alf]=globaladaptive('c:\lenna.jpg',0.1,1983,'c:\wm.jpg')
%参数说明:
%image为输入原始图像
%equal为期望的感知质量
%seed为随机数
www.eeworm.com/read/491628/6431618
m watsondistorsion.m
%文件名:watsondistorsion.m
%程序员:郭迟
%编写时间:2004.4.2
%函数功能:本函数将完成Watson模型下图像感知质量度量.
%输入格式举例:result=watsondistorsion('c:\lenna.jpg','c:\test.jpg')
%参数说明:
%original为原始图像
%test加有水印的图像
%result为两者误差估计
f
www.eeworm.com/read/484469/6577401
txt prony1.txt
x=0:0.05:10;%原理想信号
y=220*exp(-0.25*x).cos(2*pi*1.5*x+pi)+110*exp(0.25*x).cos(2*pi*10*x+pi/2);
p=6% p为模型阶数
sf=1/0.001 %sf为采样频率
[F,D,A,theta]=exprony_m a(y,p,sf) %调用prony算法函数
function [F,D,A,theta