精华内容
下载资源
问答
  • matlab增益gain
    千次阅读
    2021-04-24 14:37:32

    2。提出了基于信息增益率的用电客户指标选择方法,根据信息增益率的大 小选择对...matlabcode. 2·Proposing a new way based on information-gain-ratio to ......

    (A,Ts) 3 求控制系统的增益和传递零点求系统增益的MATLAB函数: K=dcgain(num,den) K=dcgain(A,B,C,D) 7.2 控制系统的稳定性分析 1 利用极点判断系统......

    双击打开模 块窗口 取信号源Sources/Step 双击可弹出属性窗 口编辑属性弹开右边模 块窗口 鼠标选中后拖拽 到仿真窗口 取增益Math/Gain 双击可弹出属性窗 口编辑......

    运用放大电路的高频 模型,通过对之流通路和交流通路的求解计算出放大电路的增益函数,并用 Matlab 画出了该放大电路 的幅度相应和相位响应,在 Multisim 软件中进行......

    单击MATLAB Command窗口工具条上的Simulink图标,或者在...Continuous 库 No Image :零极点增益形式的传递函数...Gain 100 Gain1 7.4 应用举例 模块参数设置: ......

    如果要想在仿真阶段修改增益值,可以使用 slider gain模块。 数据类型 依赖于用户...第3章 MATLAB与Simulink... 35页 免费 simulink matlab教程 36页 1下载券 ......

    第十讲 MATLAB的SIMULINK仿真 10.1 10.2 10.3 10.4 10.5 10.6 Simulink...1 In 1 Gain 1 Out ? 用 mdl 文件编写有输入和输出的增益器。 (在 Word......

    介绍了采用matlab中simulink进行波特图绘制的方法,对于...“Zero Pole Gain”(也可以选择“State Space”或者...Funciton”) ,就能看到系统输入输出的零极点增益方程......

    第四章 控制系统 MATLAB 仿真基础 § 4.1 控制系统的数学模型 1、 2、 3、 4、 、 传递函数模型(tranfer function) 零极点增益模型(zero-pole-gain) 状态......

    MATLAB语言 Matrix Gain MinMax Product Real-Image to Complex 矩阵增益 求输入的最大或最小值 乘积 将实部和虚部合成复数 Relational Operator Reshape Rounding ......

    MATLAB70使用详解-第10章 SIMULINK高级仿真技术 10....以便这些变量 在被封子系统模块图标绘制指令或其他...? 改变封装子系统参数设置对话框中 Gain 和 ......

    转角频率和渐近线 计算转角频率,并使用 MATLAB 画出例 6 伯德图的幅频特性...(mag),'--') hold on lfg=dcgain(G) cf1_dB=20*log10(lfg) plot([......

    传递函数模型(系统的外部模型); ? 状态方程模型(系统的内部模型); ? 零极点增益模型和部分分式模型等 MATLAB中控制系统 的数学描述与建模在线性系统理论中,一般......

    四、零极点增益模型转换为状态空间、传递函数模型 1、MATLAB 算法 %将零极...

    MATLAB基础及工程应用 2014 年 11 月 6 日 8 / 44 Simulink基础 5) Math(数学模块) Sum: 加减运算 Product: 乘运算 Dot Product: 点乘运算 Gain: 比例运算......

    在 MATLAB中,专门提供了绘制根轨迹的有关函数。 pzmap:绘制线性系统的零极点图 rlocus:求系统根轨迹。 rlocfind:计算给定一组根的根轨迹增益。 sgrid:在连续系统......

    (零极点增益模型) 一、数学模型的建立(零极点增益模型 2、零极点增益(Zero-Pole-Gain:ZPK)模型 、零极点增益( ) G (s) = K ∏(s ? z ) ∏(s ? p......

    在MATLAB中,专门提供了 绘制根轨迹的有关函数。 rlocus:求系统根轨迹。 rlocfind:计算给定一组根的根轨迹增益。 对于图所示的负反馈系统,其特征方程可表示为 1 ......

    在 MATLAB中,专门提供了绘制根轨迹的有关函数。 pzmap:绘制线性系统的零极点图 rlocus:求系统根轨迹。 rlocfind:计算给定一组根的根轨迹增益。 sgrid:在连续系统......

    模块 Sum Product Dot Product Gain Slider Gain Matrix Gain Math Function ...常数增益 可变增益 矩阵增益 数学运算函数 三角函数 求最大值 求绝对值 符号......

    更多相关内容
  • matlab学习例程,自动增益控制实现例程,方便初学者学习。
  • matlab 输入和输出信号范围从 -1 到 +1(1.1 版用于单声道和立体声输入)和浮点 C 代码(仅限对于单声道)输入和输出值的范围从 -32768 到 +32767(即通常用于语音处理的 16 位)。 该算法自动将信号的输出功率调整...
  • 仿真内容:设信号时宽为10us,带宽30MHz/...反映信号带宽对脉压增益的影响。 代码思路清晰、结果准确、注释明细。值得初学雷达信号处理、随机信号处理的同学学习。【注】,购买后,若发现中文注释乱码,及时私信解决。
  • 基于MATLAB的阵列信号处理仿真方法 主要为MATLAB对阵列信号的建模,仿真适合初学者
  • 信息增益matlab实现

    2021-04-21 02:53:06
    一般地,一个决策树包含一个根节点,若干个...决策树学习的目的是为了产生一颗泛化能力强,处理未见实例能力强的决策树。信息熵信息熵是度量样本集合纯度最常用的一种指标,假定当前样本集合D中第k类样本所占比例...

    一般地,一个决策树包含一个根节点,若干个内部节点和若干个叶节点,叶结点对应决策结果,其他每个节点对应于一个属性测试,每个结点包含的样本集合根据属性测试的结果被划分到子节点中;根节点包含样本全集,从根节点到每个叶节点的路径对应了一个判定测试序列。决策树学习的目的是为了产生一颗泛化能力强,处理未见实例能力强的决策树。

    信息熵

    信息熵是度量样本集合纯度最常用的一种指标,假定当前样本集合D中第k类样本所占比例为pk(1,2,..|y|),则D的信息熵定义为

    eb43cbc29167

    其中Ent(D)的值越小,则D的纯度越高。

    信息增益

    假定离散属性a有V个可能的取值a1,a2,...,aV,若使用a来对样本集D进行划分,则会产生V个分支节点,其中第v个分支节点包含了D中所有在属性a上取值为av的样本,记为Dv,根据信息熵的公式,在考虑到不同的分支节点所包含的样本数不同,给分支节点赋予权重|Dv|/|D|,即样本数越多的分支节点的影响越大,于是可计算出用属性a对样本集D进行划分所获得的”信息增益”。

    eb43cbc29167

    一般而言,信息增益越大,则意味着使用属性a来进行划分所得的”纯度提升”越大。因此,我们可以用信息增益来进行决策树的划分属性选择。

    实例分析

    以下表的数据为例:其中有17个训练正例,学习目标是预测是不是好瓜的决策树。分类目标|Y|=2

    eb43cbc29167

    信息熵计算得

    eb43cbc29167

    eb43cbc29167

    eb43cbc29167

    上述实现代码为

    close all;

    clear all;

    clc;

    data = csvread('watermelon2.0.csv');

    InforGain = gain(data);

    function InforGain = gain(data)

    [m, n] = size(data);

    InforGain = zeros(n-1,2);

    labels = data(:,n);

    for i=1:n

    tmp{i} = [];

    percen{i} = [];

    col = data(:,i);

    unicol = unique(col);

    %计算每一列有几类,并把每一类的信息熵和比例存储起来

    for j = 1:length(unicol)

    num = length(find(col==unicol(j)));

    pnum = length(find(col==unicol(j) & labels == 1));

    rate = pnum/num;

    if i==7

    rate = num/length(labels);

    end

    gain = -(rate*log2(rate)+(1-rate)*log2(1-rate));

    tmp{i}=[tmp{i} gain];

    percen{i}=[percen{i} num/length(col)];

    end

    end

    %整体信息熵

    InforEntropy = tmp{length(tmp)}(1);

    %将NAN转化为0

    for i = 1:length(tmp)

    tmp{i}(isnan(tmp{i})) = 0;

    %disp(tmp{i});

    end

    %求每一个属性列的信息增益

    for i = 1:length(percen)-1

    InforGain(i,:) = [i,roundn(InforEntropy-sum(tmp{i}.*percen{i}),-3)];

    disp(InforEntropy-sum(tmp{i}.*percen{i}));

    end

    展开全文
  • 基于Matlab的常见阵型阵增益性能仿真研究.pdf
  • 脉冲压缩技术是匹配滤波理论和相关接收理论的一个很好的实际应用。它的提出很好的解决了这样的一个问题:在发射端发射大时宽、带宽信号,以提高信号的速度测量...本程序可计算处理增益损失,峰值旁瓣比,以及脉压输出
  • 处理增益Gp在扩频系统中,传输信号经过扩频和解扩的处理,系统的抗干扰性能得到提高,这种扩频处理得到的好处,称之为扩频系统的处理增益,其定义为接收相关处理器输出与输入信噪比的比值,即由此可见,直扩系统的...

    11.2.3  处理增益和干扰容限

    1.处理增益Gp

    在扩频系统中,传输信号经过扩频和解扩的处理,系统的抗干扰性能得到提高,这种扩频处理得到的好处,称之为扩频系统的处理增益,其定义为接收相关处理器输出与输入信噪比的比值,即

    0161d00156c50e76e7aa6c60954642eb.png

    由此可见,直扩系统的处理增益为扩频信号射频带宽与传输的信息带宽的比值,或为伪随机码速率与信息速率的比值,即直扩信号的扩频倍数。在一般情况下,发送信息的带宽是不变的,要提高扩频系统的抗干扰能力,就应该提高扩频系统的处理增益,即提高扩频用的伪随机码的速率。

    当处理增益提高到一定程度时,不能再靠提高伪随机码速率的方法来提高系统的处理增益,而应考虑用别的办法,比如可以降低信息速率,而且可能更为有效一些。

    2.干扰容限Mj

    所谓干扰容限,是指在保证系统工作正常的条件下,接收机能够承受的干扰信号比有用信号高出的分贝数。用Mj表示

    64a9020e374d682bc941020c70bab353.png

    式中beb657936ac76bc4bb0afda614c4e667.gif 为系统内部损耗;745749759106d4d73e5a832c2aaea1e4.gif 为系统正常工作时要求的最小输出信噪比;0c6452e91428eb01c2d511860fe6626a.gif 即系统的处理增益。

    干扰容限直接反映了扩频系统接收机可能抵抗的极限干扰强度,即只有当干扰机的干扰功率超过干扰容限时,才能对扩频系统形成干扰。因而干扰容限往往比处理增益更确切地反映系统的抗干扰能力。

    3.码分多址

    多址接入或多址联接是多用户无线通信网中按用户地址进行连接的问题。在移动通信系统中,基站覆盖区内存在许多移动台,移动台必须能识别基站发射的信号中哪一个是发给自己的信号,基站也必须从众多的移动台发射信号中识别出每一个移动台所发射的信号。由此可见,多址(接入)技术在数字蜂窝移动通信中占有重要的地位。

    多址接入方式的数学基础是信号的正交分割原理。无线电信号可以表达为时间、频率和码型的函数,即可写作:

    df255fee6177fe0a01d2352d59d57a5d.png

    其中是码型函数,2e18f1dc4593b2420a1674494f16c8d9.gif 是时间c9a5c2bcf870133c7f7aa711c43f2e68.gif 和频率1110d6cdeb97cc503c8219f53e45574f.gif 的函数。

    当以传输信号的载波频率不同来区分信道建立多址接入时,称为频分多址方式(FDMA);当以传输信号存在的时间不同来区分信道建立多址接入时,称为时分多址方式(TDMA);当以传输信号的码型不同来区分信道建立多址接入时,称为码分多址方式(CDMA)。图11-4分别给出了N个信道的FDMA、TDMA和CDMA的示意图。

    511ca0115236dfd00a16df1b06c1275d.png

    CDMA(Code Division Multiple Access)是使用一组正交(或准正交)的伪随机噪声(PN)序列(简称伪随机码)通过相关处理来实现多个用户共享空间传输的频率资源和同时入网接续的功能,即码分多址。CDMA只能由扩频调制来完成,而扩频调制并不意味着CDMA。

    CDMA的特点包括以下几点:

    CDMA系统的许多用户共享同一频率。

    通信容量大。

    由于信号被扩展在一较宽频谱上,因而可以减小多径衰落。

    在CDMA系统中,信道数据速率很高。

    平滑的软切换和有效的宏分集。

    低信号功率谱密度。

    图11-5为DS-CDMA系统的原理图。

    dfa7652a5374d5547b97dfa0750b9a1e.png

    各用户的数据字符先使用各自的特征波形进行扩频,然后用载频的调频信号对扩频信号进行调制,再发射到无线信道中去。因此,接收信号可表示为:

    63a8dbed98a09c454a173bbfb22e81ce.png

    其中2464207999a98901c544241e33a7c615.gif 为第i个用户的数据信息,取值1dd4e6875ac9dd71c2b253adb362e029.gif 1;379c930e031dc436526587a7f6c59552.gif 为第i个用户的扩频波形,取值1dd4e6875ac9dd71c2b253adb362e029.gif 1;1e7cecec563a1ea366a3d53489513cc8.gif 为第i个用户的载波幅值;a60dde5c9f98026cd8327a2bcd799752.gif 为第i个用户的载波的随机相位,在a38147b4b97615a26c5e940cd3509957.gif 内均匀分布;df7155d60c0cc35afc85a45aa5daae45.gif 为第i个用户的随机时延,在141b10cbb39ded284a2659735446c733.gif 内均匀分布; 9469dfdb445e49a1415382d284836908.gif 为码元间隔;f41f2bf27609d37991fc7bf74a9b2b61.gif 为加性高斯白噪声。

    假定针对第e0b9fa1d69a4df5f113a413a79106b09.gif 个用户的数据字符进行解扩和解调。为此,接收信号6d4a8dca6af14a16936b2c546c199a4f.gif 分别乘以db870e8082e31f311abb94ae290d46f7.gif7a48e48e2397916a2c6e50bafdad853a.gif 。令接收机与第e0b9fa1d69a4df5f113a413a79106b09.gif 个用户的信号正确同步,则可以求得相关接收机的输出49dbdbf3e04ea23067dc5917f475ae90.gif

    【责任编辑:董书 TEL:(010)68476606】

    点赞 0

    展开全文
  • 仿真内容: ...该资源编程思路清晰,注释明细,非常适于初学(或有一定基础)随机信号处理、雷达信号处理的同学,建立MATLAB仿真的概念,理论和仿真相结合 更新说明: 2021 11 12:脉压增益分析的BUG已修复
  • 使用数据集 西瓜数据集3共8属性 6离散2连续 离散属性用1,2,3代表不同的取值 因为实在不太会用Matlab处理文本(真想趁才刚学转头去学Python)编号1色泽2根蒂3敲声4纹理5脐部6触感1青绿蜷缩浊响清晰凹陷硬滑2乌黑稍蜷...

    使用数据集 西瓜数据集3

    共8属性 6离散2连续 离散属性用1,2,3代表不同的取值 因为实在不太会用Matlab处理文本(真想趁才刚学转头去学Python)

    编号

    1色泽

    2根蒂

    3敲声

    4纹理

    5脐部

    6触感

    1

    青绿

    蜷缩

    浊响

    清晰

    凹陷

    硬滑

    2

    乌黑

    稍蜷

    沉闷

    稍糊

    稍凹

    软粘

    3

    浅白

    硬挺

    清脆

    模糊

    平坦

    由于不知道去哪弄用文本画树的工具,所以只能用matlab自带的树形结构,只有形状,具体信息还是要去看代码运行的结果,不过重点是明白算法是怎么回事!

    这个是6离散属性生成的决策树,和书上的一样 就是丑了点

    00d545a6060d5d62.png

    这个是6离散2连续属性生成的决策树,这个还不错,可以看出和书上一样!具体划分保存在了treeres中

    0346c30ff07a5503.png

    由于第一幅图节点太多,这里只贴第二幅图的treeres属性

    – 第一行 代表每个节点(先根遍历来编号)

    – 第二行 非叶节点-该节点最优划分属性 叶节点-分类属性

    – 第三行 父节点划分到此节点用的属性

    – 第四行 如果是连续参数,则记录阀值

    1

    2

    3

    4

    5

    6

    7

    8

    ‘纹理’

    ‘密度’

    ‘好瓜’

    ‘坏瓜’

    ‘触感’

    ‘坏瓜’

    ‘好瓜’

    ‘坏瓜’

    []

    ‘清晰’

    ‘小于’

    ‘大于’

    ‘稍糊’

    ‘硬滑’

    ‘软粘’

    ‘模糊’

    []

    []

    0.381

    0.381

    []

    []

    []

    []

    先是主程序的代码,主要做了一些初始化和最后的树形显示

    生成决策树从TreeGenerate进入

    %{

    x:样本属性 连续变量直接用数值,离散变量用1,2,3区别

    y:样本分类值 1-好 2-不好

    tree:生成的树形结构,用数组表示 按先根遍历编号 值为父节点编号 1为根节点

    treeleaf:标记是否为叶子节点

    treeres:每组3个变量

    1:如果是叶子节点则记录分类 如果是非叶节点记录当前节点的分类属性

    2:离散属性直接记录父节点分类的具体属性 连续属性1-小于 2-大于

    3:如果是连续属性,记录阀值,离散属性为0

    ptr:节点数目累加变量

    %}

    global x y fenlei1 fenlei xigua;

    global tree treeleaf treeres ptr;

    x = xlsread('C:\Users\icefire\Desktop\ml\西瓜3.xlsx', 'sheet1', 'A1:Q8');

    y = xlsread('C:\Users\icefire\Desktop\ml\西瓜3.xlsx', 'sheet1', 'A9:Q9');

    %西瓜属性的中文标识

    fenlei1={'色泽', '根蒂', '敲声', '纹理', '脐部' ,'触感','密度','含糖率'};

    fenlei={

    '青绿','蜷缩', '浊响', '清晰', '凹陷', '硬滑','小于','小于';

    '乌黑', '稍蜷', '沉闷', '稍糊', '稍凹', '软粘','大于','大于';

    '浅白', '硬挺', '清脆', '模糊', '平坦', '无','无','无';

    };

    xigua = {'好瓜','坏瓜'};

    [m,n]=size(y);

    %为set集合提前分配空间 集合中存放所有样本的编号

    for i=n:-1:1

    set(i) = i;

    end

    %为tree相关变量提前分配空间

    tree=zeros(1,100);

    treeleaf=zeros(1,100);

    treeres=cell(3,100);

    ptr = 0;

    %{

    手动设置的变量:修改输入数据时要收到修改

    pf:属性的编号,按顺序编号

    pu:属性是连续还是离散的0-离散 1-连续

    pt:属性对应的分类数,连续属性用不着(可以设为0)

    %}

    pf=[1 2 3 4 5 6 7 8];

    pu=[0 0 0 0 0 0 1 1];

    pt=[3 3 3 3 3 2 0 0];

    %主递归程序

    TreeGenerate(0,set,pf,pu,pt);

    %绘制树形 仅有树形

    treeplot(tree(1:ptr));

    %{

    parent:父节点编号

    curset:当前的样本编号集合

    pf:当前的属性编号集合

    %}

    function TreeGenerate(parent,curset,pf,pu,pt)

    global x y xigua fenlei1 fenlei;

    global tree treeleaf treeres ptr;

    %新增一个节点,并记录它的父节点

    ptr=ptr+1;

    tree(ptr)=parent;

    cur = ptr;

    %递归返回情况1:当前所有样本属于同一类

    n = size(curset);

    n = n(2);

    %计算当前y的取值分类及各有多少个 如果只有一类表示属于同一类

    cury=y(curset); %通过当前样本编号从所有样本中选出当前样本

    y_data=unique(cury); %集合去重

    y_nums=histc(cury,y_data); %统计各个取值各多少个

    if(y_nums(1)==n)

    treeres{1,ptr} = xigua{y_data};

    treeleaf(cur) = 1;

    return;

    end

    %递归返回情况2:

    属性已经全部划分还有不同分类的样本,或者所有样本属性一致但是分类不同(这时就是有错误的样本)

    pfn=size(pf); %记录当前属性个数

    tmp_para = x(pf,curset(1));

    f = 1;

    classy = y(curset(1));

    sum=zeros(1,2);

    for i=1:n

    if isequal(tmp_para , x(pf,curset(i)))

    t = (classy == y(curset(i)));

    sum(t) = sum(t)+1;

    else

    f=0;

    break;

    end

    end

    if(f == 1 || pfn(2) == 0)

    treeres{1,cur} = xigua{(sum(2)>=sum(1))+1};

    treeleaf(cur) = 1;

    return;

    end

    %主递归

    %实现了4个最优属性选择方法,使用了相同的参数与输出:信息增益,增益率,基尼指数,对率回归

    %具体参数介绍间函数具体实现

    %因为是相同的参数与输出,直接该函数名就能换方法

    [k, threshold] = entropy_paraselect(curset,pf,pu);

    curx = x(pf,:); %通过属性编号从样本总体中选取样本(已经分类的离散属性不再需要)

    p_num=pf(k); %记录当前属性的具体编号

    treeres{1,cur} = fenlei1{p_num};%记录当前节点的分类属性

    %离散与连续属性分别处理

    if(pu(k)) %连续属性

    %连续属性只会分为两类 大于阀值一类 小于阀值一类 分类后继续递归

    num = [1 1];

    tmp_set = zeros(2,100);

    for i=1:n

    if(curx(k,curset(i))>=threshold)

    tmp_set(1,num(1))=curset(i);

    num(1) = num(1)+1;

    else

    tmp_set(2,num(2))=curset(i);

    num(2) = num(2)+1;

    end

    end

    for i=1:2

    %由于用数组存编号,会有0存在,将样本分开后与当前的样本求交集 把0去掉

    ttmp_set = intersect(tmp_set(i,:),curset);

    treeres{2,ptr+1} = fenlei{i,p_num}; %记录分类具体属性

    treeres{3,ptr+1} = threshold; %记录阀值

    TreeGenerate(cur,ttmp_set,pf,pu,pt);

    end

    else

    %离散型分类要按每个取值分,就算某个取值下样本为0,也要标记为当前样本下最多的一个分类

    tpt=pt(k); %该属性对应多少情况

    pf(:,k)=[]; %离散属性只分一次,用完就从集合中去掉

    pu(:,k)=[];

    pt(:,k)=[];

    %记录每种属性取值下对应的正反例各是多少

    num = ones(1,tpt);

    tmp_set = zeros(tpt,100);

    n=size(curset);

    for i=1:n(2)

    tmp_set(curx(k,curset(i)),num(curx(k,curset(i))))=curset(i);

    num(curx(k,curset(i))) = num(curx(k,curset(i)))+1;

    end

    %然后按每种取值递归

    for i=1:tpt

    ttmp_set = intersect(tmp_set(i,:),curset);

    n = size(ttmp_set);

    %如果该取值下没有样本,不进行递归,标记为当前样本下最多的一个分类

    if(n(2)==0)

    ptr=ptr+1;

    tree(ptr)=cur;

    treeres{1,ptr} = xigua{(y_nums(2)>y_nums(1))+1};

    treeres(2,ptr) = i;

    treeres{2,ptr} = fenlei{i,p_num};

    else

    treeres{2,ptr+1} = fenlei{i,p_num}; %记录分类具体属性

    TreeGenerate(cur,ttmp_set,pf,pu,pt);

    end

    end

    end

    end

    %{

    信息增益选择

    curset:当前样本集合

    pf:当前属性的编号

    pu:当前属性是连续还是离散的0-离散 1-连续

    输出

    n:最优属性

    threshold:连续属性返回阀值

    %}

    function [n, threshold] = entropy_paraselect(curset,pf,pu)

    global x y;

    %通过样本编号与属性获取当前需要的样本

    curx = x(pf,curset);

    cury = y(curset);

    pn = size(pf); %剩余属性数

    all = size(cury); %当前样本总数

    max_ent = -100; %为ent设初值,要最大值,所以设为一个很小的数

    minn=0; %记录最优的属性编号

    threshold = 0;

    for i=1:pn(2)

    if(pu(i) == 1)%连续性变量 %具体方法书上有

    con_max_ent = -100;

    con_threshold = 0;

    xlist = sort(curx(i,:),2);

    %计算n-1个阀值

    for j=all(2):-1:2

    xlist(j) = (xlist(j)+xlist(j-1))/2;

    end

    %从n-1个阀值中选最优 (循环过程中ent先递减后递增 其实只要后面的ent比前面的大就可以停止循环)

    for j=2:all(2)

    cur_ent = 0;

    %计算各类正负例数

    nums = zeros(2,2);

    for k=1:all(2)

    nums((curx(i,k)>=xlist(j))+1,cury(k)) = nums((curx(i,k)>=xlist(j))+1,cury(k)) + 1;

    end

    %计算ent 连续属性只分两种情况

    for k=1:2

    if(nums(k,1)+nums(k,2) > 0)

    p=nums(k,1)/(nums(k,1)+nums(k,2));

    cur_ent = cur_ent + (p*log2(p+0.00001)+(1-p)*log2(1-p+0.00001))*(nums(k,1)+nums(k,2))/all(2);

    end

    end

    %记录该分类最优取值

    if(cur_ent>con_max_ent)

    con_max_ent = cur_ent;

    con_threshold = xlist(j);

    end

    end

    %如果该最优取值比当前总的最优还要优,记录

    if(con_max_ent > max_ent)

    max_ent=con_max_ent;

    minn = i;

    threshold = con_threshold;

    end

    else

    %离散型

    %除了分类数多了 其他一样

    cur_ent = 0;

    set_data=unique(curx(i,:));

    setn=size(set_data);

    nums = zeros(10,2);

    for j=1:all(2)

    nums(curx(i,j),cury(j))=nums(curx(i,j),cury(j))+1;

    end

    for j=1:setn(2)

    if((nums(set_data(j),1)+nums(set_data(j),2))>0)

    p=nums(set_data(j),1)/(nums(set_data(j),1)+nums(set_data(j),2));

    cur_ent = cur_ent +(p*log2(p+0.00001)+(1-p)*log2(1-p+0.00001))*(nums(set_data(j),1)+nums(set_data(j),2))/all(2);

    end

    end

    if(cur_ent > max_ent)

    minn = i;

    max_ent = cur_ent;

    end

    end

    end

    n = minn;

    threshold = threshold * pu(n);

    end

    参考http://blog.csdn.net/icefire_tyh/article/details/52081556

    展开全文
  • 仿真内容: ...该资源编程思路清晰,注释明细,非常适于初学(或有一定基础)随机信号处理、雷达信号处理的同学,建立MATLAB仿真的概念,理论和仿真相结合 更新说明: 2021 11 12:脉压增益分析BUG已修复
  • 仿真内容: ...该资源编程思路清晰,注释明细,非常适于初学(或有一定基础)随机信号处理、雷达信号处理的同学,建立MATLAB仿真的概念,理论和仿真相结合 更新说明: 2021 11 12:脉压增益分析BUG已修复
  • 该资源包为伪随机码信号处理MATLAB源码。内容: 仿真伪随机相位编码连续波雷达的信号处理。设码频为两位数(可更改),单位为MHz,伪码周期内码长为127,雷达载频为10GHz,输入噪声为高斯白噪声。目标模拟分单目标...
  • MATLAB与信号处理

    2021-05-27 21:07:45
    信号处理
  • matlab简单图像处理代码SimMoLFil 锁模光纤激光器(MoLFil)仿真器。 基本信息 该项目模拟锁模光纤激光器中的脉冲产生和演化。 光纤中的脉冲演化是通过使用交互作用图片法[G]求解GNLSE来计算的。 该项目的代码专为...
  • 对地震数据进行自动增益,分两种情况,六种算法。
  • 仿真伪随机相位编码脉冲雷达的信号处理。设码频为各学生学号末两位数(22),单位为MHz,伪码周期内码长为127,占空比10%,雷达载频为10GHz,输入噪声为高斯白...通过仿真说明各级处理增益,与各级时宽和带宽的关系;
  • 低噪声,低偏移电压,低漂移-当你把信号链前端的增益提高后,所有的这些精密小信号处理的目标变得很简单。
  • hslogic算法仿真——人工势场 - 模糊处理,避障处理matlab仿真 Xo=[0,0];%起点位置 k=10;%计算引力需要的增益系数 K=0;%初始化 m=1;%计算斥力的增益系数,自己设定 d=2;%障碍影响距离,当障碍和车的距离大于这个...
  • 3.5 零极点增益模块

    2021-04-18 08:59:25
    20.1小时课级:中级提高simulink是matlab中的一种可视化仿真工具, 是一种基于matlab的框图设计环境,是实现动态系统建模、仿真和分析的一个软件包,被广泛应用于线性系统、非线性系统、数字控制及数字信号处理的...
  • 现将MATLAB信号处理工具箱函数进行分组,便于记忆查询和长期回顾。(只解释基本用途,具体用法请在help目录下查询) Waveform Generation(波形产生) chairp: 产生扫频余弦函数; diric: 产生Dirichlet或周期...
  • 该函数的作用与 Matlab KRON 完全相同,但对于大型完整矩阵,引擎使用 BSXFUN 来加速计算。 另一个优点是不生成中间大矩阵(KRON 的情况下为四个临时数组)。 这是基准代码和结果: 清除, 增益=[]; mem = 内存; ...
  • 6)数据(痕迹)过滤、加权、增益等; 7) 磁力/重力建模(进行中); 8)串行数据记录(免费帕斯卡); 9) 图像/矩阵子水平图层处理和自动派生; 曲线勾画工具; 10) 使用 tfw 剪切/合并/调整 Tiff 大小。
  • 博达斯MATLAB中的渐近波特图 正规化开环传递函数分解为以下形式: G1(s)= a /(s + a) G2(s)=(s + b)/ s G3(s)= 1 / s G4(s)= s G5(S)= K 首先必须使系统正规化。 同样,boda无法处理复杂的极点/零点...
  • 实时增益控制模块与LMS6002D和wurc_fw项目集成在一起,用于兼容802.11ac的AGC。 LMS6002D无线电I / Q接口胶水,用于为数字预失真校准系数以及其他命令和控制接口提供软件接口。 对无线电控制线MUX-ing进行简单的单...
  • matlab信号处理工具箱函数列表

    千次阅读 2020-06-03 20:05:05
    现将MATLAB信号处理工具箱函数进行分组,便于记忆查询和长期回顾。(只解释基本用途,具体用法请在help目录下查询) Waveform Generation(波形产生) chairp: 产生扫频余弦函数; diric:产生Dirichlet或周期sinc...
  • 1引言在水声换能器工作时,单个点源基元是无方向性的,将多个换能器基元按...相比于无指向性的点源,声基阵在指定方向上信噪比的提高称为阵增益,它是衡量声基阵性能的重要指标,也是声纳方程的重要构成。阵增益AG(Array ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 3,300
精华内容 1,320
关键字:

matlab增益处理

matlab 订阅