第八章 labview的编程技巧 本章介绍局部变量、全局变量、属性节点和其他一些有助于提高编程技巧的问题，恰当地运用这些技巧可以提高程序的质量。 ８．１ 局部变量 严格的语法尽管可以保证程序语言的严密性，但有时它也会带来一些使用上的不便。在labview这样的数据流式的语言中，将变量严格地分为控制器（Control）和指示器（Indicator），前者只能向外流出数据，后者只能接受流入的数据，反过来不行。在一般的代码式语言中，情况不是这样的。例如我们有变量a、b和c，只要需要我们可以将a的值赋给b，将b的值赋给c等等。前面所介绍的labview内容中，只有移位积存器即可输入又可输出。另外，一个变量在程序中可能要在多处用到，在图形语言中势必带来过多连线，这也是一件烦人的事。还有其他需要，因此labview引入了局部变量。
上传时间： 2013-10-27
上传用户：xieguodong1234
本书全面系统地介绍了人工智能的基础理论、基本方法和应用技术。内容涉及人工智能的基本概况和数学基础、知识表示、基于谓词的逻辑推理、不确定性理论、搜索策略、专家系统、神经网络、模式识别、机器学习、自然语言理解、智能决策系统以及智能计算机等。
标签： 人工智能
上传时间： 2014-12-31
上传用户：ccccccc
提出一种基于自适应混沌粒子群优化和支持向量机结合的非线性预测建模算法（ACPSO-SVR），引入ACPSO启发式寻优机制对SVR模型的超参数进行自动选取，在超参数取值范围变化较大的情况下，效果明显优于网格式搜索算法。选取UCI机器学习数据库中的Forest fires标准数据集进行测试，实验结果表明该方法具有较高的精度和良好的泛化能力，对于解决多变量的回归预测问题是一种有效的方法。最后给出了混合算法在碳一多相催化领域的两种典型应用，在反应动力学模型未知的情况下建立催化剂组份模型和操作条件模型，以及基于混合算法的最优催化剂设计框架。
上传时间： 2013-10-23
上传用户：alibabamama
ROSETTA C++库是一个C++类库和例程集合，支持基于可识别性的经验建模和数据挖掘。它由许多用于通用机器学习和粗糙集理论的例程组成。
标签： ROSETTA
上传时间： 2015-01-11
上传用户：GavinNeko
自动地分类和聚集文档，可以选择作为一个Web服务。这个程序完全是用Java编写的，利用了 Weka机器学习工具包。
上传时间： 2014-09-08
上传用户：skfreeman
GAUSS分布导引，PDF格式 对学习数据挖掘、机器学习、人工神经网络很有帮助
上传时间： 2014-01-24
上传用户：royzhangsz
用于multivariate时间序列分类，利用了weka机器学习系统（本站可下载）
标签： multivariate 时间序列 分类
上传时间： 2015-03-27
上传用户：lizhen9880
C++完美演绎 经典算法 如 /* 头文件：my_Include.h */ #include <stdio.h> /* 展开C语言的内建函数指令 */ #define PI 3.1415926 /* 宏常量，在稍后章节再详解 */ #define circle(radius) (PI*radius*radius) /* 宏函数，圆的面积 */ /* 将比较数值大小的函数写在自编include文件内 */ int show_big_or_small (int a,int b,int c) { int tmp if (a>b) { tmp = a a = b b = tmp } if (b>c) { tmp = b b = c c = tmp } if (a>b) { tmp = a a = b b = tmp } printf("由小至大排序之后的结果:%d %d %d\n", a, b, c) } 程序执行结果： 由小至大排序之后的结果:1 2 3 可将内建函数的include文件展开在自编的include文件中 圆圈的面积是=201.0619264
标签： my_Include include define 3.141
上传时间： 2014-01-17
上传用户：epson850
svm-space vector machine，由于人工智能中的机器学习时的测试和训练
上传时间： 2015-06-06
上传用户：a3318966
遗传算法(Genetic Algorithm, GA)是近几年发展起来的一种崭新的全局优化算法，它借 用了生物遗传学的观点，通过自然选择、遗传、变异等作用机制，实现各个个体的适应性 的提高。这一点体现了自然界中"物竞天择、适者生存"进化过程。1962年Holland教授首次 提出了GA算法的思想，从而吸引了大批的研究者，迅速推广到优化、搜索、机器学习等方 面，并奠定了坚实的理论基础。 用遗传算法解决问题时，首先要对待解决问题的模型结构 和参数进行编码，一般用字符串表示，这个过程就将问题符号化、离散化了。也有在连续 空间定义的GA(Genetic Algorithm in Continuous Space, GACS)，暂不讨论。
上传时间： 2015-06-08
上传用户：stampede
