正交遺傳演算法

⑴ 您好，遺傳演算法 多元函數 極值求助

2008年數學三考試大綱
數 學 三

考試科目 微積分、線性代數、概率論與數理統計

微 積 分
一、函數、極限、連續
考試內容
函數的概念及表示法函數的有界性、單調性、周期性和奇偶性復合函數、隱函數、反函數、分段函數和隱函數基本初等函數的性質及圖形 初等函數函數關系的建立
數列極限與函數極限的定義及其性質 函數的左極限和右極限無窮小和無窮大的概念及關系 無窮小的性質及無窮小的比較極限的四則運算 極限存在的兩個准則：單調有界准則和夾逼准則兩個重要極限：
,
函數連續的概念 函數間斷點的類型 初等函數的連續性閉區間上連續函數的性質
考試要求
1．理解函數的概念，掌握函數的表示法，會建立簡單應用問題的函數關系.
2．了解函數的有界性、單調性、周期性和奇偶性.
3．理解復合函數及分段函數的概念，了解反函數及隱函數的概念.
4．掌握基本初等函數的性質及其圖形，理解初等函數的概念.
5．了解數列極限和函數極限（包括左、右極限）的概念.
6．理解無窮小的概念和基本性質，掌握無窮小的比較方法.了解無窮大的概念及其與無窮小的關系.
7．了解極限的性質與極限存在的兩個准則，掌握極限四則運[wiki]演算法[\\/wiki]則，會應用兩個重要極限.
8．理解函數連續性的概念（含左連續與右連續）, 會判別函數間斷點的類型.
9．了解連續函數的性質和初等函數的連續性，理解閉區間上連續函數的性質（有界性、最大值與最小值定理、介值定理），並會應用這些性質.

二、一元函數微分學
考試內容
導數和微分的概念 導數的幾何意義和經濟意義函數的可導性與連續性之間的關系 平面曲線的切線與法線導數和微分的四則運算 基本初等函數的導數復合函數、反函數和隱函數的微分法 高階導數 一階微分形式不變性微分中值定理 洛必達（L』Hospital）法則 函數單調性的判別 函數的極值函數圖形的凹凸性、拐點及漸近線 函數圖形的描繪函數的最大值與最小值
考試要求
1. 理解導數的概念及可導性與連續性之間的關系，了解導數的幾何意義與經濟意義（含邊際與彈性的概念），會求平面曲線的切線[wiki]方程[\\/wiki]和法線方程.
2．掌握基本初等函數的導數公式、導數的四則運演算法則及復合函數的求導法則，會求分段函數的導數會求反函數與隱函數的導法.
3．了解高階導數的概念，會求簡單函數的高階導數.
4．了解微分的概念，導數與微分之間的關系以及一階微分形式的不變性，會求函數的微分.
5．理解羅爾（Rol1e）定理、拉格朗日（Lagrange）中值定理、了解泰勒（Taylor）定理、了解柯西（Cauchy）中值定理，掌握這四個定理的簡單應用.
6．會用洛必達法則求極限.
7．掌握函數單調性的判別方法，了解函數極值的概念掌握函數極值、最大值和最小值的求法及其應用.
8．會用導數判斷函數圖形的凹凸性（註：在區間 內，設函數具有二階導數，當 時， 的圖形是凹的；當 時，的圖形是凸的），會求函數圖形的拐點和漸近線.
9．會描繪簡單函數的圖形.

三、一元函數積分學
考試內容
原函數和不定積分的概念 不定積分的基本性質基本積分公式 定積分的概念和基本性質定積分中值定理積分上限的函數及其導數 牛頓一萊布尼茨（Newton-Leibniz）公式不定積分和定積分的換元積分法和分部積分法 反常（廣義）積分積分的應用
考試要求
1．理解原函數與不定積分的概念，掌握不定積分的基本性質和基本積分公式；掌握不定積分的換元積分法與分部積分法.
2．了解定積分的概念和基本性質，了解定積分中值定理，理解積分上限的函數並會求它的導數掌握牛頓一萊布尼茨公式以及定積分的換元積分法和分部積分法.
3．會利用定積分計算平面圖形的面積、旋轉體的體積和函數的平均值，會利用定積分求解簡單的經濟應用題.
4．了解反常積分的概念，會計算反常積分.

四、多元函數微積分學
考試內容
多元函數的概念 二元函數的幾何意義 二元函數的極限與連續性的概念有界閉區域上二元連續函數的性質 多元函數偏導數的概念與計算多元復合函數的求導法與隱函數求導法 二階偏導數 全微分多元函數的極值和條件極值、最大值和最小值 二重積分的概念、基本性質和計算無界區域上簡單的廣義二重積分
考試要求
1．了解多元函數的概念，了解二元函數的幾何意義.
2．了解二元函數的極限與連續的概念，了解有界閉區域上二元連續函數的性質.
3．了解多元函數偏導數與全微分的概念，會求多元復合函數一階、二階偏導數，會求全微分，會用多元隱函數的偏導數.
4．了解多元函數極值和條件極值的概念，掌握多元函數極值存在的必要條件，了解二元函數極值存在的充分條件，會求二元函數的極值，會用拉格朗日乘數法求條件極值，會求簡單多元函數的最大值和最小值，並會解決某些簡單的應用問題.
5．了解二重積分的概念與基本性質，掌握二重積分的計算方法（[wiki]直角[\\/wiki]坐標、極坐標），了解無界區域上較簡單的廣義二重積分並會計算.

五、無窮級數
考試內容
常數項級數收斂與發散的概念收斂級數的和的概念 級數的基本性質與收斂的必要條件幾何級數與p級數及其收斂性 正項級數收斂性的判別任意項級數的絕對收斂與條件收斂交錯級數與萊布尼茨定理 冪級數及其收斂半徑、收斂區問（指開區間）和收斂域 冪級數的和函數 冪級數在收斂區間內的基本性質 簡單冪級數的和函數的求法
初等函數的冪級數展開式
考試要求
1．了解級數的收斂與發散、收斂級數的和的概念.
2．掌握級數的基本性質及級數收斂的必要條件，掌握幾何級數及p 級數的收斂與發散的條件，掌握正項級數收斂性的比較判別法和比值判別法，會用根值判別法.
3．了解任意項級數絕對收斂與條件收斂的概念以及絕對收斂與收斂的關系，掌握交錯級數的萊布尼茨判別法.
4．會求冪級數的收斂半徑、收斂區間及收斂域.
5．了解冪級數在收斂區間內的基本性質（和函數的連續性、逐項微分和逐項積分），會求簡單冪級數在其收斂區間內的和函數，並會由此求出某些數項級數的和.
6"掌握 、 、 、 及的麥克勞林（Maclaurin）展開式，會用它們將簡單函數間接展開成冪級數.

六、常微分方程與差分方程
考試內容
微分方程的概念變數可分離的微分方程 齊次微分方程 一階線性微分方程 線性微分方程解的性質及解的結構定理 二階常系數齊次線性微分方程及簡單的非齊次線性微分方程差分與差分方程的概念差分方程的通解與特解 一階常系數線性差分方程微分方程與差分方程的簡單應用
考試要求
1．了解微分方程及其階、解、通解、初始條件和特解等概念.
2．掌握變數可分離的微分方程、齊次微分方程和一階線性微分方程的求解方法.
3．會解二階常系數齊次線性微分方程.
4. 了解線性微分方程解的性質及解的結構定理，會解自由項為多項式、指數函數、正弦函數、餘弦函數，以及它們的和與乘積的二階常系數非齊次線性微分方程.
5．了解差分與差分方程及其通解與特解等概念.
6．掌握一階常系數線性差分方程的求解方法.
7．會用微分方程和差分方程求解簡單的經濟應用問題.
Back

線 性 代 數
一、行列式
考試內容
行列式的概念和基本性質 行列式按行（列）展開定理
考試要求
1．理解行列式的概念，掌握行列式的性質.
2. 會應用行列式的性質和行列式按行（列）展開定理計算行列式.

二、矩陣
考試內容
矩陣的概念 矩陣的線性運算 矩陣的乘法 方陣的冪方陣乘積的行列式
矩陣的轉置 逆矩陣的概念和性質 矩陣可逆的充分必要條件 伴隨矩陣矩陣的初等變換 初等矩陣 矩陣的秩矩陣的等價 分塊矩陣及其運算
考試要求
1．理解矩陣的概念，了解單位矩陣、數量矩陣、對角矩陣、三角矩陣的定義和性質，理解對稱矩陣、反對稱矩陣及正交矩陣等的定義和性質.
2．掌握矩陣的線性運算、乘法、轉置以及它們的運算規律，了解方陣的冪與方陣的乘積的行列式的性質.
3．理解逆矩陣的概念、掌握逆矩陣的性以及矩陣可逆的充分必要條件，理解伴隨矩陣的概念，會用伴隨矩陣求逆矩陣.
4．了解矩陣的初等變換和初等矩陣及矩陣等價的概念，理解矩陣的秩的概念，掌握用初等變換求矩陣的逆矩陣和秩的方法.
5．了解分塊矩陣的概念，掌握分塊矩陣的運演算法則.

三、向量
考試內容
向量的概念 向量的線性組合與線性表示 向量組線性相關與線性元關 向量組的極大線性元關組 等價向量組 向量組的秩 向量組的秩與矩陣的秩之間的關系
向量的內積 線性無關向量組的正交規范化方法
考試要求
1．了解向量的概念，掌握向量的加法和數乘運演算法則.
2．理解向量的線性組合與線性表示、向量組線性相關、線性無關等概念，掌握向量組線性相關、線性無關的有關性質及判別法.
3．理解向量組的極大無關組的概念，會求向量組的極大無關組及秩.
4．理解向量組等價的概念，理解矩陣的秩與其行（列）向量組的秩之間的關系.
5．了解內積的概念，掌握線性無關向量組正交規范化的施密特（Schmidt）方法

四、線性方程組
考試內容
線性方程組的克萊姆（Cramer）法則 線性方程組有解和無解的判定齊次線性方程組的基礎解系和通解非齊次線性方程組的解與相應的齊次線性方程組（導出組）的解之間的關系非齊次線性方程組的通解
考試要求
1．會用克萊姆法則解線性方程組.
2. 掌握非齊次線性方程組有解和無解的判定方法.
3．理解齊次線性方程組的基礎解系的概念，掌握齊次線性方程組的基礎解系和通解的求法.
4．理解非齊次線性方程組的結構及通解的概念.
5. 掌握用初等行變換求解線性方程組的方法.

五、矩陣的特徵值和特徵向量
考試內容
矩陣的特徵值和特徵向量的概念、性質 相似矩陣的概念及性質 矩陣可相似對角化的充分必要條件及相似對角矩陣 實對稱矩陣的特徵值和特徵向量及相似對角矩陣
考試要求
1．理解矩陣的特徵值、特徵向量等概念，掌握矩陣特徵值的性質，掌握求矩陣特徵值和特徵向量的方法.
2．理解矩陣相似的概念、掌握相似矩陣的性質，了解矩陣可對角化的充分條件和必要條件，掌握將矩陣化為相似對角矩陣的方法.
3．掌握實對稱矩陣的特徵值和特徵向量的性質.

六、二次型
考試內容
二次型及其矩陣表示 合同變換與合同矩陣 二次型的秩慣性定理 二次型的標准形和規范形正交變換和配方法化二次型為標准形 二次型及其矩陣的正定性
考試要求
1．了解二次型的概念，會用矩陣形式表示二次型，了解合同變換和合同矩陣的概念.
2．理解二次型的秩的概念，了解二次型的標准形、規范形等概念，了解慣性定理，會甩正交變換和配方法化二次型為標准形.
3．理解正定二次型、正定矩陣的概念，並掌握其判別法.

Back

概 率 論 與 數 理 統 計

一、隨機事件和概率
考試內容
隨機事件與樣本空間 事件的關系與運算 完備事件組 概率的概念 概率的基本性質 古典型概率 幾何型概率 條件概率 概率的基本公式 事件的獨立性
獨立重復事件
考試要求
1．了解樣本空間（基本事件空間）的概念，理解隨機事件的概念，掌握事件間的關系及運算.
2. 理解概率、條件概率的概念，掌握概率的基本性質，會計算古典型概率和幾何型概率，掌握概率的加法、乘法公式、全概率公式及貝葉斯（Bayes）公式等.
3．理解事件的獨立性的概念，掌握用事件獨立性進行概率計算；理解獨立重復試驗的概念，掌握計算有關事件概率的方法.

二、隨機變數及其分布
考試內容
隨機變數 隨機變數的分布函數及其性質 離散型隨機變數的概率分布連續型隨機變數的概率密度 常見隨機變數的分布 隨機變數函數的分布
考試要求
1．理解隨機變數的概念；理解分布函數

的概念及性質；會計算與隨機變數有關的事件的概率.
2．理解離散型隨機變數及其概率分布的概念，掌握0-1分布、二項分布、幾何分布、超幾何分布、泊松（Poisson）分布 及其應用.
3. 理解泊松定理的結論和應用條件，會用泊松分布近似表示二項分布.
4．理解連續型隨機變數及其概率密度的概念，掌握均勻分布 、正態分布、指數分布及其應用，其中參數為 的指數分布 的密度函數為

5．會求隨機變數函數的分布.

三、多維隨機變數的分布
考試內容
多維隨機變數及其分布函數 二維離散型隨機變數概率分布、邊緣分布和條件分布、二維連續型隨機變數的概率密度 邊緣概率密度和條件密度 隨機變數的獨立性和不相關性 常見二維隨機變數的分布 兩個及兩個以上隨機變數的函數的分布
考試要求
1．理解多維隨機變數的分布的概念和基本性質.
2．理解二維離散型隨機變數的概率分布和二維連續型隨機變數的概率密度.掌握二維隨機變數的邊緣概率分布和條件分布.
3．理解隨機變數的獨立性和不相關性的概念，掌握隨機變數相互獨立的條件；理解隨機變數的不相關性與獨立性的關系.
4．掌握二維均勻分布和二維正態分布 ，理解其中參數的概率意義．
5．會根據兩個隨機變數的聯合分布求其函數的分布；會根據多個相互獨立隨機變數的聯合分布求其函數的分布.

四、隨機變數的數字特徵
考試內容
隨機變數的[wiki]數學[\\/wiki]期望（均值）、方差、標准差及其性質隨機變數函數的數學期望 切比雪夫（Chebyshev）不等式矩、協方差、相關系數及其性質
考試要求
1．理解隨機變數數字特徵（數學期望、方差、標准差、矩、協方差、相關系數）的概念，會運用數字特徵的基本性質，並掌握常用分布的數字特徵.
2．會隨機變數函數的數學期望.
3．掌握切比雪夫不等式.

五、大數定律和中心極限定理
考試內容
切比雪夫（Chebyhev）大數定律 伯努利（Bernoulli）大數定律 辛欽（Khinchine）大數定律 棣莫弗－拉普拉斯（De Moivre-Laplace）定理 列維－林德伯格（Levy-Lindberg）定理
考試要求
1．了解切比雪夫大數定律、伯努利大數定律和辛欽大數定律（獨立同分布隨機變數序列的大數定律）.
2．了解棣莫弗－拉普拉斯中心極限定理(二項分布以正態分布為極限分布)、列維—林德伯格中心極限定理(獨立同分布隨機變數序列的中心極限定理)，並會用相關定理近似計算有關隨機事件的概率.

六、數理統計的基本概念
考試內容
總體 個體 簡單隨機樣本 統計量 經驗分布函數 樣本均值 樣本方方差和樣本矩 分布 分布 分布 分位數 正態總體的常用抽樣分布
考試要求
1．理解總體、簡單隨機樣本、統計量、樣本均值、樣本方差及樣本矩的概念，其中樣本方差定義為：
.
2．了解產生 變數、 變數和 變數的典型模型；理解標准正態分布、 分布、分布和 分布的分位數，會查相應的數值表.
3．掌握正態總體的抽樣分布：樣本均值、樣本方差、樣本矩、樣本均值差、樣本方差比的抽樣分布.
4．理解經驗分布函數的概念和性質，會根據樣本值求經驗分布函數.

七、參數估計
考試內容
點估計的概念 估計量與估計值 矩估計法 最大似然估計法 估計量的評選標准 區間估計的概念單個正態總體均值的區間估計 單個正態總體方差和標准差的區間估計兩個正態總體的均值差和方差比的區間估計
考試要求
1．理解參數的點估計、估計量與估計值的概念；了解估計量的無偏性、有效性（最小方差性）和一致性（相合性）的概念，並會驗正估計量的無偏性.
2．掌握矩估計法（一階、二階矩）和最大似然估計法
3．掌握建立未知參數的（雙側和單側）置信區間的一般方法；掌握正態總體均值、方差、標准差、矩以及與其相聯系的數值特徵的置信區間的求法.
4．掌握兩個正態總體的均值差和方差比及相關數字特徵的置信區間的求法.

八、假設檢驗
考試內容
顯著性檢驗 假設檢驗的兩類錯誤 單個及兩個正態總體的均值和方差的假設檢驗
考試要求
1．理解\\「假設\\」的概念和基本類型；理解顯著性檢驗的基本思想，掌握假設檢驗的基本步驟；會構造簡單假設的顯著性檢驗.
2．理解假設檢驗可能產生的兩類錯誤，對於較簡單的情形，會計算兩類錯誤的概率.
3．掌握單個及兩個正態總體的均值和方差的假設檢驗.

試 卷 結 構

（－）總分 試卷滿分為150分
（二）內容比例 微積分約56％ 線性代數約22％ 概率論與數理統計約22％
（三）題型比例 填空題與選擇題約37％ 解答題（包括證明題）約63％
註：考試時間為 180分鍾

⑵ 四因素混合正交設計 兩個2水平 兩個3水平

考慮進行一個三因素、每個因素有三個水平的試驗。如果作全面試驗，需作3^3
=
27次。
圖:正交試驗設計示意圖
若從27次試驗中選取一部分試驗，常將a和b分別固定在a1和b1水平上，與c的三個水平進行搭配，a1b1c1,a1b1c2,a1b1c3。作完這3次試驗後，若a1b1c3最優，則取定c3這個水平，讓a1和c3固定，再分別與b因素的三個水平搭配，a1b1c3,a1b2c3,a1b3c3。這3次試驗作完以後，若a1b2c3最優，取定b2,c3這兩個水平，再作兩次試驗a2b2c3,a3b2c3,然後與一起比較，若a3b2c3最優，則可斷言a3b2c3是我們欲選取的最佳水平組合。這樣僅作了8次試驗就選出了最佳水平組合。
我們發現，這些試驗結果都分布在立方體的一角，代表性較差，所以按上述方法選出的試驗水平組合並不是真正的最佳組合。
如果進行正交試驗設計，利用正交表安排試驗，對於三因素三水平的試驗來說，需要作9次試驗，用「δ」表示，標在圖中。如果每個平面都表示一個水平，共有九個平面，可以看到每個平面上都有三個「δ」點，立方體的每條直線上都有一個「δ」點，並且這些「δ」點是均衡地分布著，因此這9次試驗的代表性很強，能較全面地反映出全面試驗的結果，這就是正交實驗設計所特有的均衡分散性。我們正是利用這一特性來合理的設計和安排試驗，以便通過盡可能少的試驗次數，找出最佳水平組合。編輯本段正交試驗設計的過程
1)確定試驗因素及水平數;
2)選用合適的正交表;
3)列出試驗方案及試驗結果;
4)對正交試驗設計結果進行分析，包括極差分析和方差分析;
5)確定最優或較優因素水平組合。正交試驗設計法與遺傳演算法的聯系
（1）正交試驗設計法是遺傳演算法的一種特例，即正交試驗設計法是一種初始種群固定的、只使用定向變異運算元的、只進化一代的遺傳演算法。
（2）遺傳演算法的步驟比正交試驗設計法復雜，所需的試驗次數也要多於正交試驗設計法的試驗次數，但它產生的解要優於正交試驗設計法產生的解。
（3）遺傳演算法的隱並行性使得它在處理交互作用項時，效率比正交試驗設計法要高。
（4）正交試驗設計法可解決一般遺傳演算法中的最小欺騙問題。

⑶ 遺傳演算法運用正交數組產生初始種群對編碼有沒有要求

遺傳操作是模擬生物基因遺傳的做法。在遺傳演算法中，通過編碼組成初始群體後，遺傳操作的任務就是對群體的個體按照它們對環境適應度(適應度評估)施加一定的操作，從而實現優勝劣汰的進化過程。從優化搜索的角度而言，遺傳操作可使問題的解，一代又一代地優化，並逼近最優解。

⑷ 在遺傳演算法中怎麼用正交法得到初始化種群，最好有程序

用Matlab編寫的對其時域頻域分析%x=wavread('D:\\1.wav',8000); y=wavread('D:\\1.wav ',[4000,

⑸ 沒有目標函數的優化問題。 1、目標函數是有的，只是和變數沒有顯式。 2、目標函數是可以通過實測得到。

遺傳演算法。NSGA2。舉個最簡單的例子，給出一組這4個變數的值，你確定出相應的目標函數，那如果遍歷完所有的解呢，就確定了所有的目標函數值。沒有明確的關系應該指的是不能用解析式表達出來吧，能用模擬或者程序計算就行了，遺傳演算法是可以沒有表達式的。網上有相應的程序，也可以用matlab的工具箱。http://www.pudn.com/downloads123/sourcecode/math/detail522443.html

⑹ 求救：發酵過程在線檢測的方法是什麼

首先看參數。

1. ph、do溶氧用的是在線電極，可以高溫在位滅菌，原理是極譜電極詳見網路極譜法

2. 溫度也是在線電極，這個很常規具體的可以網路知道

3. 壓力用的壓力感測器，類型非常多

4. 營養指標：糖濃度可以用在線生化分析儀

5. 細胞濃度，OD：有在線的活細胞分析儀
   

⑺ 蔡自興的發表論文

蔡自興教授已在國內外發表論文和科技報告等860多篇。
2010年：
1.Cai Zixing. Research on navigation control and cooperation of mobile robots (Plenary Lecture 1). 2010 Chinese Control and Decision Conference, New Century Grand Hotel, Xuzhou, China, May 26- 28, 2010.
2.Cai Zixing. Research on navigation control and cooperation of mobile robots (Plenary Lecture 1). 2010 Chinese Control and Decision Conference, New Century Grand Hotel, Xuzhou, China, May 26-28, 2010.
3. Chen Baifan,Zi-Xing Cai, Zhi-Rong Zou. A Hybrid Data Association Approach for Mobile Robot SLAM. International Conference on Control, Automation and Systems, October 27-30, 2010, KINTEX, Gyeonggi-do, KOREA (Accepted).
4. Guo Fan,Cai Zixing, Xie Bin, Tang Jin. Automatic Image Haze Removal Based on Luminance Component. The International conference on Signal and Image Processing (SIP 2010).May 2010 (Accepted).
5. Linai. Kuang,Zixing. Cai.Immune System based Redeployment Scheme for Wireless Sensor Networks[C].In proceeding of 1st IET International Conference on Wireless Sensor Network. Beijing, China, November,2010.
6. Lingli YU,Zixing CAI, A Study of Multi-Robot Stochastic Increment Exploration Mission Planning [J]. Frontiers of Electrical and Electronic Engineering in China, (Received).
7. Liu Hui,Cai Zixing, and Wang Yong. Hybridizing particle swarm optimization with differential evolution for constrained numerical and engineering optimization. Applied Soft Computing, 2010,10(2): 629–640.
8. LIU Xian-ru,CAI Zi-xing. Advanced obstacles detection and tracking by using fusing radar and image sensor data. International Conference on Control, Automation and Systems，2010/10/27,Korea.
9. Liu Xianru,Cai zixing. Advanced obstacles detection and tracking by using fusing Radar and Image Sensor Data[C]. International Conference on Control, Automation and Systems. (October 27-30,2010, KINTEX, Gyeonggi-do, KOREA).
10. Ren Xiaoping,Zixing Cai. Kinematics Model of Unmanned Driving Vehicle. Proceedings of the 8th World Congress on Intelligent Control and Automation, July 6-9 2010, Jinan, China, 2010: 5910-5914.
11. Suqin Tang,Zixing Cai: Tourism Domain Ontology Construction from the Unstructured Text Documents. The 9th IEEE International Conference on Cognitive Informatics, Beijing, China.2010,pp297-301.
12. Suqin Tang,Zixing Cai: Using the Format Concept Analysis to Construct the Tourism Information Ontology. The 2010 Seventh International Conference on Fuzzy Systems and Knowledge Discovery (FSKD'10)，Yantian, China.2010, pp2941-2944.
13. Tan Ping,Zixing Cai. An Adaptive Particle Filter Based on Posterior Distribution. Proceedings of the 8th World Congress on Intelligent Control and Automation, July 6-9 2010, Jinan, China, 2010: 5886-5890.
14. Wang Yong,Cai Zixing, Zhang Qingfu. Differential evolution with composite trial vector generation strategies and control parameters. IEEE Transactions on Evolutionary Computation, Accept, regular paper.
15. Wang Yong,Cai Zixing. Constrained evolutionary optimization by means of (mu+lambda)-differential evolution and improved adaptive trade-off model. Evolutionary Computation, in press.
16. Wang Yong, Combining multiobjective optimization with differential evolution to solve constrained optimization problems. IEEE Transactions on Evolutionary Computation, (regular paper, Accepted).
17. Xianru Liu,Zixing Cai.Advanced Obstacles Detection and tracking by Fusing Millimeter Wave Radar and Image Sensor Data,International IEEE Intl Coference on Control,Automation and Systems , Korea, 2010, 22:1115-1121.
18. Xie Bin, Fan Guo,Zixing Cai. Improved Single Image Dehazing Using Dark Channel Prior and Multi-Scale Retinex. 2010 International Conference on Intelligent System Design and Engineering Application, Changsha, China, 2010. (Accepted) .
19. YU Ling-li,CAI Zi-xing, GAO Ping-an, LIU Xiao-ying. A spatial orthogonal allocation and heterogeneous cultural hybrid algorithm for multi-robot exploration mission planning. Journal of control theory and applications (Received) .
20.蔡自興，陳白帆，劉麗珏. 智能科學基礎系列課程國家級教學團隊的改革與建設. 計算機教育，2010，（127）：40-44 .
21.蔡自興，任孝平，李昭.一種基於GPS/INS組合導航系統的車輛狀態估計方法. Proc.CCPR2010, 2010.
22.蔡自興。智能科學技術課程教學縱橫談. 計算機教育，2010，（127）：2-6.
23.蔡自興，蔣冬冬，譚平，安基程。H.264中快速運動估計演算法的一種改進方案;計算機應用研究2010,27(4):1524-1525.
24.蔡自興; 任孝平; 鄒磊; 匡林愛. 一種簇結構下的多移動機器人通信方法.小型微型計算機系統,2010,31(3):553-556.
25. 陳愛斌，蔡自興.一種基於目標和背景加權的目標跟蹤方法,控制與決策，2010,25(8):1246-1250.
26. 陳愛斌;蔡自興; 文志強; 董德毅. 一種基於預測模型的均值偏移加速演算法. 信息與控制 2010,39(2): 234-237.
27. 陳愛斌; 董德毅;楊勇;蔡自興. 基於目標中心定位和NMI特徵的跟蹤演算法.計算機應用與軟體,2010,27(4):276-279.
28. 陳白帆，蔡自興，劉麗珏. 人工智慧課程的創新性教學探索——人工智慧精品課程建設與改革. 計算機教育，2010，（127）：27-31.
29. 官東，蔡自興，孔志周. 一種基於推薦證據理論的網格信任模型.系統模擬學報，2010，22（8）：1895-1898.
30.郭璠,蔡自興,謝斌, 唐琎. 圖像去霧技術研究綜述與展望. 計算機應用, 2010, 30(9):2417-2421.
31. 郭璠,蔡自興, 謝斌, 唐琎. 一種基於亮度分量的自動圖像去霧方法. 中國圖象圖形學報. 2010年3月(錄用).
32. 江中央,蔡自興,王勇. 一種新的基於正交實驗設計的約束優化進化演算法. 計算機學報, 2010，33（5）：855-864.
33. 江中央,蔡自興,王勇.求解全局優化問題的混合自適應正交遺傳演算法.軟體學報, 2010,21(6):1296-1307.
34. 匡林愛,蔡自興. 基於遺傳演算法的無線感測器網路重新部署方法. 控制與決策，2010,25(9):1329-1332.
35. 匡林愛,蔡自興.一種簇機構下的多移動機器人通訊方法.小型微型計算機系統.，2010，31（3）：553-556.
36. 匡林愛,蔡自興.一種帶寬約束的無線感測器網路節點調度演算法.高技術通訊，2010,20(3):309-313.
37. 劉麗珏，蔡自興，唐琎. 人工智慧雙語教學建設. 計算機教育，2010，（127）：74-77.
38. 劉獻如，蔡自興. 基於SAD與UKF-Mean shift的主動目標跟蹤. 模式識別與人工智慧，2010,23(5)：646-652.
39. 劉獻如，蔡自興. 結構化道路車道線的魯棒檢測與跟蹤. 光電子.激光，2010，21(12):1834-1838.
40. 劉獻如,蔡自興.UKF 與Mean shift 相結合的實時目標跟蹤.中南大學學報，2009年錄用.
41. 劉曉瑩;蔡自興; 余伶俐; 高平安. 一種正交混沌蟻群演算法在群機器人任務規劃中的應用研究. 小型微型計算機系統, 2010,31(1):164-168.
42. 蒙祖強，蔡自興，黃柏雄. 課程交叉教學在應用型人才培養中的實踐探索. 計算機教育，2010，（127）：55-57.
43. 潘薇;蔡自興; 陳白帆. 復雜環境下多機器人協作構建地圖的方法;四川大學學報(工程科學版) 2010-01-20.
44. 任孝平,蔡自興,鄒磊,匡林愛.「中南移動二號」多移動機器人通信系統.中南大學學報（自然科學版）,2010,41(4):1442-1448.
45. 任孝平,蔡自興.四種虛擬力模型在感測器網路覆蓋中的性能分析.信息與控制,2010，39（4）：441-445.
46. 任孝平;蔡自興; 陳愛斌. 多移動機器人通信系統研究進展. 控制與決策 2010,(3): 327-332.
47.唐素勤，蔡自興，王駒，蔣運承: 基於gfp語義的描述邏輯系統FLE的有窮基,計算機研究與發展，2010,47(9):1514-1521.
48. 唐素勤，蔡自興，王駒，蔣運承: 描述邏輯非標准推理, 模式識別與人工智慧，2010,23(4)：522-530.
49. 肖赤心，蔡自興，王勇. 字典序進化演算法用於組合優化問題. 控制理論與應用，2010，27（4）：473-480.
50. 謝斌，蔡自興. 基於MATLAB Robotics Toolbox的機器人學模擬實驗教學. 計算機教育，2010，（127）：140-143.
51. 余伶俐,蔡自興,譚平,段琢華.基於多模態Rao-Blackwellized進化粒子濾波器的移動機器人航跡推算系統的故障診斷. 控制與決策，2010，25（12）：1787-1792.
52. 余伶俐,蔡自興,譚平,進化粒子濾波器對比研究及其在移動機器人故障診斷的應用. 信息與控制，2010，39（5）：621-628.
53. 余伶俐，蔡自興，肖曉明. 智能控制精品課程建設與教學改革研究. 計算機教育，2010，（127）：35-39.
54. 余伶俐,焦繼樂,蔡自興. 一種多機器人任務規劃演算法及其系統實現. 計算機科學，2010，37（6）：252-255.
55.周濤;蔡自興。 信息審計中短消息中心實驗環境的模擬[J].科學技術與工程 2010,10(6): 1551-1554.
56. 鄒磊,蔡自興,任孝平.一種基於虛擬力的自組織覆蓋演算法.計算機工程,2010,36(14):93-95 .
2009年：
57. Gao Ping-an,Cai Zi-xing. Evolutionary Computation Approach to Decentralized Multi-robot Task Allocation. Proc. of the 5th International Conference on Natural Computation, IEEE Computer Society, 2009,415-419.
58. Wang Yong,Cai Zixing, Zhou Yuren. Accelerating adaptive trade-off model using shrinking space technique for constrained evolutionary optimization, International Journal for Numerical Methods in Engineering, 2009, 77(11):1501-1534.
59. Wang Yong,Cai Zixing, Zhou Yuren, Fan Zhun. Constrained optimization based on hybrid evolutionary algorithm and adaptive constraint-handling technique, Structural and Multidisciplinary Optimization, 2009, 37(1): 395-413.
60. Wang Yong,Cai Zixing. A hybrid multi-swarm particle swarm optimization to solve constrained optimization problems, Frontiers of Computer Science in China, 2009,3(1):38-52.
61. Wang Yong,Cai Zixing. Constrained evolutionary optimization by applying (mu+lambda)-differential evolution and improved adaptive trade-off model. Evolutionary Computation, Accept.
62. Liu Hui,Cai Zixing, and Wang Yong. Hybridizing particle swarm optimization with differential evolution for constrained numerical and engineering optimization.Applied Soft Computing, 2010,10(2):629–640.
63. Liu Limei,Cai Zixing. An Improvement of Hough Transform for Building Feature map.
64. Limei Liu, Zixing Cai,WeiPan.AMapBuilding Method Based on Uncertain Information of Sonar Sensor[C]. The 9th International Conference for Young Computer Scientists,2009,1738-1742.
65. YU Ling-li,CAI Zi-xing. Robot Detection Mission Planning Based on Heterogeneous Interactive Cultural Hybrid Algorithm. Proc. of the 5th International Conference on Natural Computation.2009,583-587.
66. Ren Xiaoping,Cai Zixing.A Distributed Actor Deployment Algorithm for Maximum Connected Coverage in WSAN. Proc. of the 2009 Fifth International Conference on Natural Computation, 2009,283-287.
67. 王勇,蔡自興,周育人,肖赤心.約束優化進化演算法.軟體學報, 2009,20(1): 11-29.
68. 陳白帆,蔡自興, 潘薇. 基於聲納和攝像頭的動態環境地圖創建方法.高技術通訊, 2009, 19(4): 410-414.
69. 陳白帆,蔡自興, 袁成. 基於粒子群優化的移動機器人SLAM方法研究.機器人, 2009, 31(6)：513-517.
70. 高平安,蔡自興. 多移動機器人任務負載均衡分組規劃方法.高技術通訊,2009, 19(5):501-505.
71. 高平安,蔡自興. 一種基於多子群的動態優化演算法.中南大學學報(自然科學版) 2009, 40(3): 731-736.
72. 劉獻如,;蔡自興. 一種基於Integral Imaging和與模擬退火相結合的深度測量方法研究. 系統模擬學報. 2009，21(8)：2303~2306.
73. 劉利枚，蔡自興，潘薇.一種基於聲納信息的地圖創建方法.計算機工程，2009，35（7）：166-185.
74. 余伶俐，蔡自興. 基於異質互動式文化混合演算法的機器人探測任務規劃.機器人.2009, 31(2):137-145.
75. 余伶俐，蔡自興，劉曉瑩，高平安. 均分點蟻群演算法在群集機器人任務規劃中的應用研究[J].高技術通訊. 2009,19(10),1054-1060.
76. 余伶俐，蔡自興. 改進混合離散粒子群的多種優化策略演算法.中南大學學報,2009, 40(4): 1047-1053.
77. 余伶俐，蔡自興，高平安，劉曉瑩. 當代學習自適應混合離散粒子群演算法研究. 小型微型計算機系統. 2009, 30(9):1800-1804.
78. 余伶俐，蔡自興. 基於當代學習離散粒子群的多機器人高效任務分配演算法研究. 計算機應用研究. 2009, 26(5):1691-1694.
79.蔡自興; 謝斌; 魏世勇; 陳白帆. 《機器人學》教材建設的體會. 2009年全國人工智慧大會(CAAI-13)，北京：北京郵電大學出版社，252-255，2009年9月.
80.蔡自興，郭璠. 密碼學虛擬實驗平台的設計與實現.中國人工智慧進展（2009），中國人工智慧大會(CAAI-13)論文集，北京：北京郵電大學出版社，432-438，2009年9月.
81.蔡自興,任孝平,鄒磊.分布式多機器人通信模擬系統.智能系統學報,2009,4(4): 309-313.
82. 任孝平,蔡自興.基於阿克曼原理的車式移動機器人運動學建模.智能系統學報, 2009,4(6);534-537.
83.蔡自興; 任孝平; 鄒磊. 分布式多機器人通信模擬系統.智能系統學報, 2009,4(4);309-313.
84. 文志強;蔡自興. 一種目標跟蹤中的模糊核直方圖. 高技術通訊, 2009,19(2):174-180.
85.劉星寶;蔡自興. 種子檢測器刺激-應答變異演算法研究. 高技術通訊, 2009,19(3):273-278.
86. 劉星寶;蔡自興. 負選擇演算法中的檢測器快速生成策略. 小型微型計算機系統, 2009-07-15.
87. 劉星寶;蔡自興. 異常檢測系統的漏洞分析.中南大學學報(自然科學版), 2009-08-26.
88. 潘薇;蔡自興; 陳白帆. 一種非結構環境下多機器人構建地圖的方法. 高技術通訊, 2009-05-25.
89. 孔志周;蔡自興; 官東. 兩種模糊密度確定方法的實驗比較. 小型微型計算機系統, 2009-02-15.
90. 江中央;蔡自興; 王勇. 用於全局優化的混合正交遺傳演算法. 計算機工程, 2009-02-20.
91. 肖赤心;蔡自興; 王勇; 周經野. 一種基於佳點集原理的約束優化進化演算法. 控制與決策, 2009-02-15 .
92. 官東;蔡自興; 孔志周. 一種基於網格技術的HLA分布模擬實現方法. 系統模擬學報, 2009,21(5):1363-1366.
93.劉慧;蔡自興; 王勇. 基於佳點集的約束優化進化演算法. 系統模擬學報, 2009-03-20 .
94. 潘薇;蔡自興; 陳白帆. 基於遺傳演算法的多機器人協作建圖方法. 計算機應用研究, 2009-04-15.
95. 任孝平;蔡自興; 盧薇薇. 一種基於掃描相關度的LSB演算法. 計算機應用, 2009-05-01.
96.胡強;蔡自興. 一種基於改造時鍾系統的Linux實時化方案. 計算機工程, 2009-06-05.
97. 袁成;蔡自興; 陳白帆. 粒子群優化的同時定位與建圖方法. 計算機工程, 2009-06-05.
98. 王勇;蔡自興. 「智能優化演算法及其應用」課程教學的實踐與探索. 計算機教育, 2009-06-10.
99. 任孝平;蔡自興; 盧薇薇. 網路可重構的多機器人模擬系統. 計算機應用研究, 2009-06-15.
100. 袁湘鵬;蔡自興; 劉利枚. 基於聲納的移動機器人環境建圖的設計與實現. 計算機應用研究, 2009-07-15.
101. 官東;蔡自興; 孔志周.網格服務本體匹配演算法研究. 小型微型計算機系統, 2009，30(8):1639-1643.
102. 鄒磊;蔡自興; 任孝平. 基於簇的多移動機器人通信系統. 計算機應用研究, 2009-08-15.
103.蔡自興. 從嚴施教,精心育才,培養高素質人才. 計算機教育, 2009-09-10.
104. 肖曉明; 曠東林;蔡自興. 單親遺傳演算法種群初始化方法分析. 電腦與信息技術, 2009-08-15.
105. 劉麗珏; 陳白帆; 王勇; 余伶俐;蔡自興. 精益求精建設人工智慧精品課程. 計算機教育, 2009-09-10.
106. 陳愛斌;蔡自興; 安基程. 一種基於攝像機視角的立體視覺定位方法.中南大學學報(自然科學版), 2009-09-10.
107. 唐素勤;蔡自興; 江中央; 肖赤心. 用於求解約束優化問題的自適應佳點集進化演算法. 小型微型計算機系統,2009,第9期，2009-11-15.
108.胡揚;桂衛華;蔡自興. 多元智能演算法控制結構綜述. 計算機科學, 2009-10-15.
109.蔡自興. 《混沌系統的模糊神經網路控制理論與方法》評介. 計算技術與自動化, 2009-12-15.
110. 陳愛斌;蔡自興; 安基程. 一種基於攝像機視角的立體視覺定位方法. 2009年中國智能自動化會議論文集（第六分冊）[中南大學學報（增刊）], 2009-09-27.
111. 於金霞;蔡自興; 段琢華. 復雜地形下移動機器人運動學建模研究. 2009中國控制與決策會議論文集（1）, 2009-06-17.
112. 劉獻如，蔡自興，楊欣榮. Integral Imaging與模擬退火相結合的深度測量方法研究. 系統模擬學報，2009,21（8）：2303－2307.

⑻ 單模態和多模態，這里的模態是什麼意思

模態指的就是你的圖像服從的分布吧，我現在正在做單高斯模型的背景提取，我用的圖像就是服從單高斯模型的圖像，簡單的說就是圖像特徵的峰值比較單一的那種，這就是單模態圖像

⑼ 小波分析法和遺傳演算法之間是什麼樣的關系

1、小波變換是通過縮放母小波（Mother wavelet）的寬度來獲得信號的頻率特徵， 通過平移母小波來獲得信號的時間信息。對母小波的縮放和平移操作是為了計算小波系數，這些小波系數反映了小波和局部信號之間的相關程度。小波變換基，既具有頻率局域性質，又具有時間局域性質。小波變換的多分辨度的變換，能在多個尺度上分解，便於觀察信號在不同尺度（解析度）上不同時間的特性。小波變換存在快速演算法，對於M點序列而言，計算復雜性為：O(M)，處理快速。小波變換基函數有多種類型，可以是正交的，也可以是非正交（雙正交），比傅里葉變換更加靈活。小波分析的應用領域十分廣泛，它包括：數學領域的許多學科；信號分析、圖像處理；量子力學、理論物理；軍事電子對抗與武器的智能化；計算機分類與識別；音樂與語言的人工合成；醫學成像與診斷；地震勘探數據處理；大型機械的故障診斷等方面；例如，在數學方面，它已用於數值分析、構造快速數值方法、曲線曲面構造、微分方程求解、控制論等。在信號分析方面的濾波、去雜訊、壓縮、傳遞等。在圖像處理方面的圖像壓縮、分類、識別與診斷，去污等。在醫學成像方面的減少B超、CT、核磁共振成像的時間，提高解析度等。
(1)小波分析用於信號與圖像壓縮是小波分析應用的一個重要方面。它的特點是壓縮比高，壓縮速度快，壓縮後能保持信號與圖像的特徵不變，且在傳遞中可以抗干擾。基於小波分析的壓縮方法很多，比較成功的有小波包最好基方法，小波域紋理模型方法，小波變換零樹壓縮，小波變換向量壓縮等。
(2)小波在信號分析中的應用也十分廣泛。它可以用於邊界的處理與濾波、時頻分析、信噪分離與提取弱信號、求分形指數、信號的識別與診斷以及多尺度邊緣檢測等。
(3)在工程技術等方面的應用。包括計算機視覺、計算機圖形學、曲線設計、湍流、遠程宇宙的研究與生物醫學方面。
2、遺傳演算法(Genetic Algorithm, GA)是近幾年發展起來的一種嶄新的全局優化演算法，它借
用了生物遺傳學的觀點，通過自然選擇、遺傳、變異等作用機制，實現各個個體的適應性
的提高。它是由美國的J.Holland教授1975年首先提出，其主要特點是直接對結構對象進行操作，不存在求導和函數連續性的限定；具有內在的隱並行性和更好的全局尋優能力；採用概率化的尋優方法，能自動獲取和指導優化的搜索空間，自適應地調整搜索方向，不需要確定的規則。遺傳演算法的這些性質，已被人們廣泛地應用於組合優化、機器學習、信號處理、自適應控制和人工生命等領域。它是現代有關智能計算中的關鍵技術。遺傳演算法的一些主要應用領域：
（1）函數優化
函數優化是遺傳演算法的經典應用領域，也是遺傳演算法進行性能評價的常用算例，許多人構造出了各種各樣復雜形式的測試函數：連續函數和離散函數、凸函數和凹函數、低維函數和高維函數、單峰函數和多峰函數等。對於一些非線性、多模型、多目標的函數優化問題，用其它優化方法較難求解，而遺傳演算法可以方便的得到較好的結果。
（2）組合優化
隨著問題規模的增大，組合優化問題的搜索空間也急劇增大，有時在目前的計算上用枚舉法很難求出最優解。對這類復雜的問題，人們已經意識到應把主要精力放在尋求滿意解上，而遺傳演算法是尋求這種滿意解的最佳工具之一。實踐證明，遺傳演算法對於組合優化中的NP問題非常有效。例如遺傳演算法已經在求解旅行商問題、 背包問題、裝箱問題、圖形劃分問題等方面得到成功的應用。 此外，GA也在生產調度問題、自動控制、機器人學、圖象處理、人工生命、遺傳編碼和機器學習等方面獲得了廣泛的運用。
綜上所述，小波分析法和遺傳演算法主要有一下幾方面的不同:(1)演算法原理不同;(2)演算法的應用側重領域不同。遺傳演算法不是求解小波分析函數的一種演算法。

⑽ MATLAB 7.0

附件說明

關於MATLAB的入門視頻有不少，但要稱的上完整、系統，恐怕很難有統一的標准。

我提供的是胡曉冬，董辰輝的《MATLAB從入門到精通》（人民郵電出版社，2010-06）一書的配套光碟，應該能滿足你的需求。內含217個實常式序文件，330分鍾的視頻講解。

圖書下載

ishare.iask.sina.com.cn/f/67219177.html

圖書簡介

本書以MATLABR2009a軟體為基礎，系統講解了MATLAB基本環境和操作方法。本書介紹了最新的MATLAB功能，並分章闡述了數據類型、數值計算、符號計算、編程基礎、可視化、Simulink、應用程序介面等內容，結合案例詳細講解了MATLAB語言的使用。本書還專門講解了實用的MATLAB編程技巧與數學建模應用等。
本書所帶的光碟是讀者學習MATLAB的好幫手，提供了全部示例的源程序，另外配有知識點和例題的視頻教程，可幫助讀者更好地理解書中的內容並更快地掌握MATLAB的使用方法。
本書內容豐富、貼近實戰應用，可作為高校學生系統學習MATLAB的書籍，也可以作為廣大科研和工程技術人員在工作中使用MATLAB的參考書。

圖書目錄

第1章MATLAB概述1
1.1MATLAB簡介1
1.2MATLAB主要功能2
1.2.1開發演算法和應用程序2
1.2.2分析和訪問數據3
1.2.3實現數據可視化3
1.2.4進行數值計算4
1.2.5發布結果和部署應用程序5
1.3MATLAB安裝與啟動5
1.3.1MATLAB的安裝5
1.3.2MATLAB的啟動與退出7
1.3.3Desktop操作界面簡介8
1.4CommandWindow運行入門8
1.4.1命令行的使用8
1.4.2數值、變數和表達式9
1.4.3命令行的特殊輸入方法11
1.4.4命令窗口的顯示格式12
1.4.5命令窗口常用快捷鍵與命令13
1.5CommandHistory窗口14
1.6CurrentDirectory窗口14
1.7WorkspaceBrowser和VariableEditor窗口15
1.7.1WorkspaceBrowser窗口15
1.7.2VariableEditor窗口15
1.8命令行輔助功能與FunctionBrowser16
1.9Help17
1.9.1HelpBrowser18
1.9.2命令窗口查詢幫助18

第2章矩陣和數組20
2.1矩陣的創建與組合20
2.1.1創建簡單矩陣20
2.1.2創建特殊矩陣21
2.1.3矩陣的合並22
2.2矩陣的尋訪與賦值23
2.2.1矩陣的標識23
2.2.2矩陣的尋訪24
2.2.3矩陣的賦值24
2.3進行數組運算的常用函數25
2.3.1函數數組運算規則的定義25
2.3.2進行數組運算的常用函數25
2.4查詢矩陣信息27
2.4.1矩陣的形狀信息27
2.4.2矩陣的數據類型27
2.4.3矩陣的數據結構28
2.5數組運算與矩陣運算28
2.6矩陣的重構29
2.6.1矩陣元素的擴展與刪除29
2.6.2矩陣的重構30
2.7稀疏矩陣31
2.7.1稀疏矩陣的存儲方式32
2.7.2稀疏矩陣的創建32
2.7.3稀疏矩陣的運算35
2.7.4稀疏矩陣的交換與重新排序36
2.7.5稀疏矩陣視圖38
2.8多維數組38
2.8.1多維數組的創建39
2.8.2多維數組的尋訪與重構41
2.9多項式的表達式及其操作44
2.9.1多項式的表達式和創建44
2.9.2多項式運算函數45

第3章數據類型47
3.1數值型47
3.2邏輯型47
3.2.1邏輯型簡介47
3.2.2返回邏輯結果的函數48
3.2.3運算符的優先順序50
3.3字元和字元串51
3.3.1創建字元串51
3.3.2字元串比較52
3.3.3字元串查找與替換53
3.3.4類型轉換54
3.3.5字元串應用函數小結55
3.4structure數組56
3.4.1structure數組的創建57
3.4.2structure數組的尋訪59
3.4.3structure數組域的基本操作60
3.4.4structure數組的操作61
3.5cell數組63
3.5.1cell數組的創建63
3.5.2cell數組的尋訪65
3.5.3cell數組的基本操作65
3.5.4cell數組操作函數66
3.6Map容器67
3.6.1Map數據類型介紹67
3.6.2Map對象的創建68
3.6.3查看Map的內容69
3.6.4Map的讀寫70
3.6.5Map中key和value的修改72
3.6.6映射其他數據類型73

第4章數值計算75
4.1因式分解75
4.1.1行列式、逆和秩75
4.1.2Cholesky因式分解77
4.1.3LU因式分解78
4.1.4QR因式分解79
4.1.5范數81
4.2矩陣特徵值和奇異值82
4.2.1特徵值和特徵向量的求取82
4.2.2奇異值分解84
4.3概率和統計85
4.3.1基本分析函數85
4.3.2概率函數、分布函數、逆分布函數和隨機數93
4.4數值求導與積分94
4.4.1導數與梯度94
4.4.2一元函數的數值積分95
4.4.3二重積分的數值計算97
4.4.4三重積分的數值計算97
4.5插值98
4.5.1一維數據插值98
4.5.2二維數據插值99
4.5.3多維插值100
4.5.4樣條插值100
4.6曲線擬合101
4.6.1最小二乘原理及其曲線擬合演算法101
4.6.2曲線擬合的實現102
4.7Fourier分析102
4.8微分方程104
4.8.1常微分方程104
4.8.2偏微分方程106

第5章符號計算110
5.1符號變數、表達式及符號方程110
5.1.1符號變數與表達式的創建110
5.1.2符號計算中的運算符和基本函數112
5.1.3創建符號方程113
5.2符號微積分113
5.2.1符號求導與微分113
5.2.2符號求極限115
5.2.3符號積分116
5.2.4級數求和116
5.2.5Taylor級數117
5.3符號表達式的化簡與替換117
5.3.1符號表達式的化簡118
5.3.2符號表達式的替換122
5.4符號可變精度計算125
5.5符號線性代數127
5.5.1基礎代數運算127
5.5.2線性代數運算128
5.6符號方程求解130
5.6.1求代數方程符號解130
5.6.2求代數方程組的符號解130
5.6.3求微分方程符號解132
5.6.4求微分方程組的符號解134
5.7符號積分變換134
5.7.1Fourier變換及其反變換134
5.7.2Laplace變換及其反變換135
5.7.3Z變換及其反變換136

第6章MATLAB編程基礎138
6.1M文件138
6.1.1M文件編輯器139
6.1.2M文件的基本內容140
6.1.3腳本式M文件142
6.1.4函數式M文件143
6.2流程式控制制143
6.2.1順序結構144
6.2.2if語句144
6.2.3switch語句146
6.2.4for循環146
6.2.5while循環147
6.2.6continue命令148
6.2.7break命令149
6.2.8return命令150
6.2.9人機交互命令150
6.3函數的類型152
6.3.1主函數152
6.3.2子函數152
6.3.3私有函數153
6.3.4嵌套函數154
6.3.5重載函數157
6.3.6匿名函數157
6.4函數的變數161
6.4.1變數類型161
6.4.2變數的傳遞162
6.5函數句柄164
6.5.1函數句柄的創建165
6.5.2函數句柄的調用165
6.5.3函數句柄的操作166
6.6串演算函數167
6.6.1eval函數167
6.6.2feval函數168
6.6.3inline函數169
6.7內存的使用170
6.7.1內存管理函數170
6.7.2高效使用內存的策略170
6.7.3解決「OutofMemory」問題172
6.8程序調試和優化173
6.8.1使用Debugger窗口調試173
6.8.2在命令窗口中調試176
6.8.3profile性能檢測178
6.9錯誤處理180
6.9.1使用try-catch語句捕捉錯誤180
6.9.2處理錯誤和從錯誤中恢復181
6.9.3警告183

第7章數據可視化185
7.1繪圖的基本知識185
7.1.1離散數據和離散函數的可視化185
7.1.2連續函數的可視化186
7.1.3可視化的一般步驟187
7.2二維圖形187
7.2.1基本繪圖函數187
7.2.2曲線的色彩、線型和數據點型189
7.2.3坐標、刻度和網格控制190
7.2.4圖形標識192
7.2.5雙坐標圖和子圖195
7.2.6雙軸對數圖形197
7.2.7特殊二維圖形197
7.3三維圖形203
7.3.1繪制三維曲線圖203
7.3.2繪制三維曲面圖203
7.3.3特殊三維圖形205
7.4三維圖形的高級控制207
7.4.1視點控制207
7.4.2顏色的使用208
7.4.3光照控制208

第8章圖像處理210
8.1圖像文件的操作210
8.1.1查詢圖像文件的信息211
8.1.2圖像文件的讀寫212
8.1.3圖像文件的顯示213
8.1.4圖像格式的轉換214
8.2圖像的幾何運算216
8.2.1圖像的平移216
8.2.2圖像的鏡像變換216
8.2.3圖像縮放217
8.2.4圖像的旋轉218
8.2.5圖像的剪切218
8.3圖像的正交變換219
8.3.1傅立葉變換219
8.3.2離散餘弦變換220
8.3.3Radon變換221
8.4MATLAB圖像增強222
8.4.1像素值及其統計特性222
8.4.2對比度增強224
8.4.3直方圖均衡化225
8.4.4空域濾波增強226
8.4.5頻域增強228

第9章圖形用戶界面(GUI)設計230
9.1句柄圖形對象230
9.1.1圖形對象230
9.1.2圖形對象句柄231
9.1.3圖形對象屬性的獲取和設置232
9.2GUIDE簡介234
9.2.1啟動GUI235
9.2.2Layout編輯器235
9.2.3運行GUI236
9.3創建GUI236
9.3.1GUI窗口布局236
9.3.2菜單的添加237
9.3.3控制項241
9.4CallBack函數245
9.4.1變數的傳遞245
9.4.2函數編寫246
9.5GUI設計示例248

第10章數據文件I/O254
10.1處理文件名稱254
10.2MATLAB支持的文件格式255
10.3導入向導的使用256
10.4MAT文件的讀寫257
10.4.1MAT文件的寫入257
10.4.2MAT文件的讀取258
10.5Text文件讀寫259
10.5.1Text文件的讀取259
10.5.2Text文件的寫入262
10.6Excel文件讀寫262
10.7音頻/視頻文件操作264
10.7.1獲取音頻/視頻文件的文件頭信息264
10.7.2音頻/視頻文件的導入與導出264

第11章MATLAB優化問題應用266
11.1MATLAB優化工具箱266
11.1.1MATLAB求解器267
11.1.2極小值優化269
11.1.3多目標優化275
11.1.4方程組求解276
11.1.5最小二乘及數據擬合277
11.2模式搜索法278
11.3模擬退火演算法280
11.3.1模擬退火演算法簡介280
11.3.2模擬退火演算法應用實例280
11.3.3關於計算結果281
11.4遺傳演算法282
11.4.1遺傳演算法簡介282
11.4.2遺傳演算法應用實例283
11.5OptimizationTool簡介285

第12章信號處理289
12.1信號處理基本理論289
12.1.1信號的生成289
12.1.2數字濾波器結構293
12.2IIR濾波器的MATLAB實現294
12.2.1IIR濾波器經典設計295
12.2.2IIR濾波器直接設計法301
12.2.3廣義巴特沃思IIR濾波器設計302
12.3FIR濾波器的MATLAB實現303
12.3.1FIR濾波器設計303
12.3.2fir1函數304
12.3.3fir2函數305

第13章Simulink模擬306
13.1Simulink簡介306
13.1.1Simulink功能與特點306
13.1.2Simulink的安裝與啟動307
13.2Simulink基礎309
13.2.1Simulink模型是什麼309
13.2.2Simulink模塊操作309
13.2.3Simulink信號線操作312
13.2.4Simulink對模型的注釋314
13.2.5Simulink常用的模型庫314
13.2.6Simulink模擬配置316
13.3Simulink動態系統模擬320
13.3.1簡單系統的模擬分析320
13.3.2離散系統的模擬分析322
13.3.3連續系統的模擬分析324
13.4Simulink模型中的子系統327
13.4.1子系統的建立327
13.4.2子系統的封裝328
13.5SimulinkS-函數331
13.5.1什麼是S-函數332
13.5.2S-函數的作用和原理332
13.5.3用M文件創建S-函數實例333

第14章應用程序介面336
14.1MATLAB應用程序介面介紹336
14.2MATLAB調用C/C++337
14.2.1MATLABMEX文件338
14.2.2C-MEX文件的使用341
14.3C/C++調用MATLAB引擎346
14.3.1MATLAB計算引擎概述346
14.3.2MATLAB計算引擎庫函數347
14.3.3C/C++調用MATLAB引擎348
14.4MATLAB編譯器352
14.4.1MATLAB編譯器的安裝和設置353
14.4.2MATLAB編譯器的使用354
14.4.3獨立應用程序356

第15章MATLAB基礎計算技巧365
15.1MATLAB數組創建與重構技巧365
15.2MATLAB數據類型使用技巧371
15.3MATLAB數值計算技巧373
15.4MATLAB文件讀取操作技巧375
15.5MATLAB繪圖技巧376

第16章MATLAB編程技巧379
16.1MATLAB編程風格379
16.1.1命名規則379
16.1.2文件與程序結構381
16.1.3基本語句382
16.1.4排版、注釋與文檔385
16.2MATLAB編程注意事項387
16.3內存的使用389
16.4提高MATLAB運行效率390
16.4.1提高運行效率基本原則390
16.4.2提高運行效率舉例392

第17章MATLAB在數學建模中的應用395
17.1MATLAB蒙特卡羅模擬395
17.1.1蒙特卡羅方法簡介395
17.1.2蒙特卡羅方法編程示例396
17.2MATLAB灰色系統理論應用398
17.2.1GM(1，1)預測模型簡介398
17.2.2灰色預測計算實例399
17.3MATLAB模糊聚類分析401
17.3.1模糊聚類分析簡介401
17.3.2模糊聚類分析應用示例402
17.4MATLAB層次分析法應用406
17.4.1層次分析法簡介406
17.4.2層次分析法的應用409