通过δ算子离散化模型,研究了连续时间线性定常随机系统的具有极点配置和稳态方差指标的满意控制问题.利用线性矩阵不等式理论, 给出设计满意控制器及优化采样周期的方法. 数值算例验证了所提出方法的有效性.

irid_fsof 函数准备计算离散时间有限维 (z) 传递函数以近似连续时间分数二阶低通滤波器 (LPF) [1/(s^2 + a*s + b)]^r ，其中“s”是拉普拉斯变换变量； “r”是(0,1)范围内的实数； a 和 b 是 LPF [1/(s^2 + a*s + b)]^r 的时间常数，其中 a, b >= 0。 建议的近似保持脉冲响应“不变”

探讨了贪心及其改进算法、基于属性重要性、基于信息熵和基于聚类四类连续属性离散化算法，并通过实验验证这四类算法的离散化效果。实验结果表明，数据集离散化的效果不仅取决于使用算法，而且与数据集连续属性的分布和决策数据值的分类也有密切关系。

连续状态自适应离散化基于K-均值聚类的强化学习方法.pdf

这是有关PID离散化的总结，以及C语言实现。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

数据仓库专业数据分析工具

如果用数字计算机对连续时间状态方程求解，或者对连续受控对象采用数字计算机进行在线控制，都要碰到一个将连续时间系统化为离散时间系统的问题。本节将讨论线性连续时间状态空间表达式的离散化方法。

是关于自动控制原理的课程设计。主要对高阶系统的频域进行详细的分析，使用MATLAB绘制各种频域中的曲线，如奈奎斯特图，波特图等等。同时，对其动态性能做一分析，如单位阶跃响应，单位斜坡响应。最后一部分是对其进行离散化，采用Z变换。

泰坦尼克数据集下载 训练集 测试集 导入需要的库 import matplotlib.pyplot as plt %matplotlib inline import numpy as np import pandas as pd 加载数据集 train_file = './data/titanic/train.csv' eval_file = './data/titanic/eval.csv' train_df = pd.read_csv(train_file) eval_df = pd.read_csv(eval_file) print(train_df.head()) print(eva

数据离散化 有些算法(如关联分析)，只能处理标称型属性，这时候就需要对数值型的属性进行离散化。 对取值有限的数值型属性可通过修改.arff文件中该属性数据类型实现离散化。 例如，在某数据集中的 “children”属性只有4个数值型取值：0，1，2，3。 我们直接修改ARFF文件，把 @attribute children numeric 改为 @attribute children {0,1,2,3} 就可以了。 在“Explorer”中重新打开“bank-data.arff”，看看选中“children”属性后，区域6那里显示的“Type” 变成“Nominal”了。