fpga/matlab/simulink算法仿真工程

最大期望算法（Expectation-Maximization algorithm, EM），或Dempster-Laird-Rubin算法 ，是一类通过迭代进行极大似然估计（Maximum Likelihood Estimation, MLE）的优化算法，通常作为牛顿迭代法（Newton-Raphson method）的替代用于对包含隐变量（latent variable）或缺失数据（incomplete-data）的概率模型进行参数估计。高斯混合模型可用于聚类，这是将一组数据点分组为聚类的任务。

排队论利用概率论和随机过程理论，研究排队系统内的服务机构和顾客需求之间的关系，以便在所需的服务质量标准得到充分满足的条件下，服务机构的费用最为经济。蒙特卡罗法的基本思想是：为了求解问题，首先建立一个概率模型或随机过程，使它的参数或数字特征等于问题的解：然后通过对模型或过程的观察或抽样试验来计算这些参数或数字特征，最后给出所求解的近似值。排队论的应用相当广泛，特别是在通信的应用中，最初排队论主要应用在话务理论上，随着通信网的发展，在分析网络的性能，如网络的时延、吞吐量、利用率等都要用到排队理论。

由于陈氏混沌系统比Lorenz系统具有更复杂的拓扑结构和动力学行为，这一方面使得它在信息加密和保密通信等领域有着更广阔的应用前景，另一方面使得陈氏混沌系统很难控制，许多对Lorenz系统轻而易举的控制方法对陈氏混沌系统却不太理想甚至无效。在a=10，b=8/3，c=28时呈现混沌态。该系统的一个简单物理实现是流体在下方加热上方冷却的热对流管中的环流，此时，x1是流体速度，x2和x3分别为水平和垂直的温度差，P与流体的Prandtl数成比例，b是与空间相关的常数，R与流体的Rayleigh数成比例。

潮流计算的一般提法是：已知电力网络的结构和参数，已知各负荷点、电源点吸取或发出的有功功率和无功功率（PQ节点），给定电压控制点的电压幅值和有功功率（PV节点），对指定的一个平衡节点给定其电压幅值和相位角（Vθ点）,求解全网各节点电压幅值和相位角，并进一步算出各支路的功率分布和网络损耗。潮流：电力系统中 电压（各节点）、功率（有功、无功）（各支路）的稳态分布潮流计算---电力系统分析中的一种最基本的计算，根据给定的运行参数确定系统的运行状态，如计算网络中各节点的电压（幅值和相角）和各支路中的功率分布及损耗。

近几年出现了一种快速ICA算法(Fast ICA)，该算法是基于定点递推算法得到的，它对任何类型的数据都适用，同时它的存在对运用ICA分析高维的数据成为可能。是一种快速寻优迭代算法，与普通的神经网络算法不同的是这种算法采用了批处理的方式，即在每一步迭代中有大量的样本数据参与运算。是一种快速寻优迭代算法，与普通的神经网络算法不同的是这种算法采用了批处理的方式，即在每一步迭代中有大量的样本数据参与运算。通常情况下，数据进行白化处理与不对数据进行白化处理相比，算法的收敛性较好，有更好的稳定性。

可能的字母只有A，C，G和T，分别代表组成DNA的四种核苷酸——腺嘌呤，胞嘧啶，鸟嘌呤，胸腺嘧啶。每个字母代表一种碱基，两个碱基形成一个碱基对，碱基对的配对规律是固定的，即是：A-T,C-G。关于它的生物功能，则依赖于上下文的序列，一个序列可能被正读，反读；DNA序列或基因序列是使用一串字母表示的真实的或者假设的携带基因信息的DNA分子的一级结构。部分DNA序列或基因序列使用一串字母表示的真实的或者假设的携带基因信息的DNA分子的一级结构。对于基因DNA序列，转录RNA序列和表达蛋白序列的读取非常方便。

一个二分类模型的阈值可能设定为高或低，每种阈值的设定会得出不同的 FPR 和 TPR ，将同一模型每个阈值的 (FPR, TPR) 坐标都画在 ROC 空间里，就成为特定模型的ROC曲线。ROC曲线的横坐标是伪阳性率（也叫假正类率，False Positive Rate），纵坐标是真阳性率（真正类率，True Positive Rate），相应的还有真阴性率（真负类率，True Negative Rate）和伪阴性率（假负类率，False Negative Rate）。AUC < 0.5，比随机猜测还差；

最小均方算法，简称LMS算法，是一种最陡下降算法的改进算法， 是在维纳滤波理论上运用速下降法后的优化延伸，最早是由 Widrow 和 Hoff 提出来的。根据小均方误差准则以及均方误差曲面，自然的我们会想到沿每一时刻均方误差的陡下降在权向量面上的投影方向更新，也就是通过目标函数ξ（k）的反梯度向量来反复迭代更新。由于均方误差性能曲面只有一个极小值，只要收敛步长选择恰当，不管初始权向量在哪，后都可以收敛到误差曲面的小点，或者是在它的一个邻域内。