正交遗传算法

⑴ 您好，遗传算法 多元函数 极值求助

2008年数学三考试大纲
数 学 三

考试科目 微积分、线性代数、概率论与数理统计

微 积 分
一、函数、极限、连续
考试内容
函数的概念及表示法函数的有界性、单调性、周期性和奇偶性复合函数、隐函数、反函数、分段函数和隐函数基本初等函数的性质及图形 初等函数函数关系的建立
数列极限与函数极限的定义及其性质 函数的左极限和右极限无穷小和无穷大的概念及关系 无穷小的性质及无穷小的比较极限的四则运算 极限存在的两个准则：单调有界准则和夹逼准则两个重要极限：
,
函数连续的概念 函数间断点的类型 初等函数的连续性闭区间上连续函数的性质
考试要求
1．理解函数的概念，掌握函数的表示法，会建立简单应用问题的函数关系.
2．了解函数的有界性、单调性、周期性和奇偶性.
3．理解复合函数及分段函数的概念，了解反函数及隐函数的概念.
4．掌握基本初等函数的性质及其图形，理解初等函数的概念.
5．了解数列极限和函数极限（包括左、右极限）的概念.
6．理解无穷小的概念和基本性质，掌握无穷小的比较方法.了解无穷大的概念及其与无穷小的关系.
7．了解极限的性质与极限存在的两个准则，掌握极限四则运[wiki]算法[\\/wiki]则，会应用两个重要极限.
8．理解函数连续性的概念（含左连续与右连续）, 会判别函数间断点的类型.
9．了解连续函数的性质和初等函数的连续性，理解闭区间上连续函数的性质（有界性、最大值与最小值定理、介值定理），并会应用这些性质.

二、一元函数微分学
考试内容
导数和微分的概念 导数的几何意义和经济意义函数的可导性与连续性之间的关系 平面曲线的切线与法线导数和微分的四则运算 基本初等函数的导数复合函数、反函数和隐函数的微分法 高阶导数 一阶微分形式不变性微分中值定理 洛必达（L’Hospital）法则 函数单调性的判别 函数的极值函数图形的凹凸性、拐点及渐近线 函数图形的描绘函数的最大值与最小值
考试要求
1. 理解导数的概念及可导性与连续性之间的关系，了解导数的几何意义与经济意义（含边际与弹性的概念），会求平面曲线的切线[wiki]方程[\\/wiki]和法线方程.
2．掌握基本初等函数的导数公式、导数的四则运算法则及复合函数的求导法则，会求分段函数的导数会求反函数与隐函数的导法.
3．了解高阶导数的概念，会求简单函数的高阶导数.
4．了解微分的概念，导数与微分之间的关系以及一阶微分形式的不变性，会求函数的微分.
5．理解罗尔（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，掌握这四个定理的简单应用.
6．会用洛必达法则求极限.
7．掌握函数单调性的判别方法，了解函数极值的概念掌握函数极值、最大值和最小值的求法及其应用.
8．会用导数判断函数图形的凹凸性（注：在区间 内，设函数具有二阶导数，当 时， 的图形是凹的；当 时，的图形是凸的），会求函数图形的拐点和渐近线.
9．会描绘简单函数的图形.

三、一元函数积分学
考试内容
原函数和不定积分的概念 不定积分的基本性质基本积分公式 定积分的概念和基本性质定积分中值定理积分上限的函数及其导数 牛顿一莱布尼茨（Newton-Leibniz）公式不定积分和定积分的换元积分法和分部积分法 反常（广义）积分积分的应用
考试要求
1．理解原函数与不定积分的概念，掌握不定积分的基本性质和基本积分公式；掌握不定积分的换元积分法与分部积分法.
2．了解定积分的概念和基本性质，了解定积分中值定理，理解积分上限的函数并会求它的导数掌握牛顿一莱布尼茨公式以及定积分的换元积分法和分部积分法.
3．会利用定积分计算平面图形的面积、旋转体的体积和函数的平均值，会利用定积分求解简单的经济应用题.
4．了解反常积分的概念，会计算反常积分.

四、多元函数微积分学
考试内容
多元函数的概念 二元函数的几何意义 二元函数的极限与连续性的概念有界闭区域上二元连续函数的性质 多元函数偏导数的概念与计算多元复合函数的求导法与隐函数求导法 二阶偏导数 全微分多元函数的极值和条件极值、最大值和最小值 二重积分的概念、基本性质和计算无界区域上简单的广义二重积分
考试要求
1．了解多元函数的概念，了解二元函数的几何意义.
2．了解二元函数的极限与连续的概念，了解有界闭区域上二元连续函数的性质.
3．了解多元函数偏导数与全微分的概念，会求多元复合函数一阶、二阶偏导数，会求全微分，会用多元隐函数的偏导数.
4．了解多元函数极值和条件极值的概念，掌握多元函数极值存在的必要条件，了解二元函数极值存在的充分条件，会求二元函数的极值，会用拉格朗日乘数法求条件极值，会求简单多元函数的最大值和最小值，并会解决某些简单的应用问题.
5．了解二重积分的概念与基本性质，掌握二重积分的计算方法（[wiki]直角[\\/wiki]坐标、极坐标），了解无界区域上较简单的广义二重积分并会计算.

五、无穷级数
考试内容
常数项级数收敛与发散的概念收敛级数的和的概念 级数的基本性质与收敛的必要条件几何级数与p级数及其收敛性 正项级数收敛性的判别任意项级数的绝对收敛与条件收敛交错级数与莱布尼茨定理 幂级数及其收敛半径、收敛区问（指开区间）和收敛域 幂级数的和函数 幂级数在收敛区间内的基本性质 简单幂级数的和函数的求法
初等函数的幂级数展开式
考试要求
1．了解级数的收敛与发散、收敛级数的和的概念.
2．掌握级数的基本性质及级数收敛的必要条件，掌握几何级数及p 级数的收敛与发散的条件，掌握正项级数收敛性的比较判别法和比值判别法，会用根值判别法.
3．了解任意项级数绝对收敛与条件收敛的概念以及绝对收敛与收敛的关系，掌握交错级数的莱布尼茨判别法.
4．会求幂级数的收敛半径、收敛区间及收敛域.
5．了解幂级数在收敛区间内的基本性质（和函数的连续性、逐项微分和逐项积分），会求简单幂级数在其收敛区间内的和函数，并会由此求出某些数项级数的和.
6"掌握 、 、 、 及的麦克劳林（Maclaurin）展开式，会用它们将简单函数间接展开成幂级数.

六、常微分方程与差分方程
考试内容
微分方程的概念变量可分离的微分方程 齐次微分方程 一阶线性微分方程 线性微分方程解的性质及解的结构定理 二阶常系数齐次线性微分方程及简单的非齐次线性微分方程差分与差分方程的概念差分方程的通解与特解 一阶常系数线性差分方程微分方程与差分方程的简单应用
考试要求
1．了解微分方程及其阶、解、通解、初始条件和特解等概念.
2．掌握变量可分离的微分方程、齐次微分方程和一阶线性微分方程的求解方法.
3．会解二阶常系数齐次线性微分方程.
4. 了解线性微分方程解的性质及解的结构定理，会解自由项为多项式、指数函数、正弦函数、余弦函数，以及它们的和与乘积的二阶常系数非齐次线性微分方程.
5．了解差分与差分方程及其通解与特解等概念.
6．掌握一阶常系数线性差分方程的求解方法.
7．会用微分方程和差分方程求解简单的经济应用问题.
Back

线 性 代 数
一、行列式
考试内容
行列式的概念和基本性质 行列式按行（列）展开定理
考试要求
1．理解行列式的概念，掌握行列式的性质.
2. 会应用行列式的性质和行列式按行（列）展开定理计算行列式.

二、矩阵
考试内容
矩阵的概念 矩阵的线性运算 矩阵的乘法 方阵的幂方阵乘积的行列式
矩阵的转置 逆矩阵的概念和性质 矩阵可逆的充分必要条件 伴随矩阵矩阵的初等变换 初等矩阵 矩阵的秩矩阵的等价 分块矩阵及其运算
考试要求
1．理解矩阵的概念，了解单位矩阵、数量矩阵、对角矩阵、三角矩阵的定义和性质，理解对称矩阵、反对称矩阵及正交矩阵等的定义和性质.
2．掌握矩阵的线性运算、乘法、转置以及它们的运算规律，了解方阵的幂与方阵的乘积的行列式的性质.
3．理解逆矩阵的概念、掌握逆矩阵的性以及矩阵可逆的充分必要条件，理解伴随矩阵的概念，会用伴随矩阵求逆矩阵.
4．了解矩阵的初等变换和初等矩阵及矩阵等价的概念，理解矩阵的秩的概念，掌握用初等变换求矩阵的逆矩阵和秩的方法.
5．了解分块矩阵的概念，掌握分块矩阵的运算法则.

三、向量
考试内容
向量的概念 向量的线性组合与线性表示 向量组线性相关与线性元关 向量组的极大线性元关组 等价向量组 向量组的秩 向量组的秩与矩阵的秩之间的关系
向量的内积 线性无关向量组的正交规范化方法
考试要求
1．了解向量的概念，掌握向量的加法和数乘运算法则.
2．理解向量的线性组合与线性表示、向量组线性相关、线性无关等概念，掌握向量组线性相关、线性无关的有关性质及判别法.
3．理解向量组的极大无关组的概念，会求向量组的极大无关组及秩.
4．理解向量组等价的概念，理解矩阵的秩与其行（列）向量组的秩之间的关系.
5．了解内积的概念，掌握线性无关向量组正交规范化的施密特（Schmidt）方法

四、线性方程组
考试内容
线性方程组的克莱姆（Cramer）法则 线性方程组有解和无解的判定齐次线性方程组的基础解系和通解非齐次线性方程组的解与相应的齐次线性方程组（导出组）的解之间的关系非齐次线性方程组的通解
考试要求
1．会用克莱姆法则解线性方程组.
2. 掌握非齐次线性方程组有解和无解的判定方法.
3．理解齐次线性方程组的基础解系的概念，掌握齐次线性方程组的基础解系和通解的求法.
4．理解非齐次线性方程组的结构及通解的概念.
5. 掌握用初等行变换求解线性方程组的方法.

五、矩阵的特征值和特征向量
考试内容
矩阵的特征值和特征向量的概念、性质 相似矩阵的概念及性质 矩阵可相似对角化的充分必要条件及相似对角矩阵 实对称矩阵的特征值和特征向量及相似对角矩阵
考试要求
1．理解矩阵的特征值、特征向量等概念，掌握矩阵特征值的性质，掌握求矩阵特征值和特征向量的方法.
2．理解矩阵相似的概念、掌握相似矩阵的性质，了解矩阵可对角化的充分条件和必要条件，掌握将矩阵化为相似对角矩阵的方法.
3．掌握实对称矩阵的特征值和特征向量的性质.

六、二次型
考试内容
二次型及其矩阵表示 合同变换与合同矩阵 二次型的秩惯性定理 二次型的标准形和规范形正交变换和配方法化二次型为标准形 二次型及其矩阵的正定性
考试要求
1．了解二次型的概念，会用矩阵形式表示二次型，了解合同变换和合同矩阵的概念.
2．理解二次型的秩的概念，了解二次型的标准形、规范形等概念，了解惯性定理，会甩正交变换和配方法化二次型为标准形.
3．理解正定二次型、正定矩阵的概念，并掌握其判别法.

Back

概 率 论 与 数 理 统 计

一、随机事件和概率
考试内容
随机事件与样本空间 事件的关系与运算 完备事件组 概率的概念 概率的基本性质 古典型概率 几何型概率 条件概率 概率的基本公式 事件的独立性
独立重复事件
考试要求
1．了解样本空间（基本事件空间）的概念，理解随机事件的概念，掌握事件间的关系及运算.
2. 理解概率、条件概率的概念，掌握概率的基本性质，会计算古典型概率和几何型概率，掌握概率的加法、乘法公式、全概率公式及贝叶斯（Bayes）公式等.
3．理解事件的独立性的概念，掌握用事件独立性进行概率计算；理解独立重复试验的概念，掌握计算有关事件概率的方法.

二、随机变量及其分布
考试内容
随机变量 随机变量的分布函数及其性质 离散型随机变量的概率分布连续型随机变量的概率密度 常见随机变量的分布 随机变量函数的分布
考试要求
1．理解随机变量的概念；理解分布函数

的概念及性质；会计算与随机变量有关的事件的概率.
2．理解离散型随机变量及其概率分布的概念，掌握0-1分布、二项分布、几何分布、超几何分布、泊松（Poisson）分布 及其应用.
3. 理解泊松定理的结论和应用条件，会用泊松分布近似表示二项分布.
4．理解连续型随机变量及其概率密度的概念，掌握均匀分布 、正态分布、指数分布及其应用，其中参数为 的指数分布 的密度函数为

5．会求随机变量函数的分布.

三、多维随机变量的分布
考试内容
多维随机变量及其分布函数 二维离散型随机变量概率分布、边缘分布和条件分布、二维连续型随机变量的概率密度 边缘概率密度和条件密度 随机变量的独立性和不相关性 常见二维随机变量的分布 两个及两个以上随机变量的函数的分布
考试要求
1．理解多维随机变量的分布的概念和基本性质.
2．理解二维离散型随机变量的概率分布和二维连续型随机变量的概率密度.掌握二维随机变量的边缘概率分布和条件分布.
3．理解随机变量的独立性和不相关性的概念，掌握随机变量相互独立的条件；理解随机变量的不相关性与独立性的关系.
4．掌握二维均匀分布和二维正态分布 ，理解其中参数的概率意义．
5．会根据两个随机变量的联合分布求其函数的分布；会根据多个相互独立随机变量的联合分布求其函数的分布.

四、随机变量的数字特征
考试内容
随机变量的[wiki]数学[\\/wiki]期望（均值）、方差、标准差及其性质随机变量函数的数学期望 切比雪夫（Chebyshev）不等式矩、协方差、相关系数及其性质
考试要求
1．理解随机变量数字特征（数学期望、方差、标准差、矩、协方差、相关系数）的概念，会运用数字特征的基本性质，并掌握常用分布的数字特征.
2．会随机变量函数的数学期望.
3．掌握切比雪夫不等式.

五、大数定律和中心极限定理
考试内容
切比雪夫（Chebyhev）大数定律 伯努利（Bernoulli）大数定律 辛钦（Khinchine）大数定律 棣莫弗－拉普拉斯（De Moivre-Laplace）定理 列维－林德伯格（Levy-Lindberg）定理
考试要求
1．了解切比雪夫大数定律、伯努利大数定律和辛钦大数定律（独立同分布随机变量序列的大数定律）.
2．了解棣莫弗－拉普拉斯中心极限定理(二项分布以正态分布为极限分布)、列维—林德伯格中心极限定理(独立同分布随机变量序列的中心极限定理)，并会用相关定理近似计算有关随机事件的概率.

六、数理统计的基本概念
考试内容
总体 个体 简单随机样本 统计量 经验分布函数 样本均值 样本方方差和样本矩 分布 分布 分布 分位数 正态总体的常用抽样分布
考试要求
1．理解总体、简单随机样本、统计量、样本均值、样本方差及样本矩的概念，其中样本方差定义为：
.
2．了解产生 变量、 变量和 变量的典型模型；理解标准正态分布、 分布、分布和 分布的分位数，会查相应的数值表.
3．掌握正态总体的抽样分布：样本均值、样本方差、样本矩、样本均值差、样本方差比的抽样分布.
4．理解经验分布函数的概念和性质，会根据样本值求经验分布函数.

七、参数估计
考试内容
点估计的概念 估计量与估计值 矩估计法 最大似然估计法 估计量的评选标准 区间估计的概念单个正态总体均值的区间估计 单个正态总体方差和标准差的区间估计两个正态总体的均值差和方差比的区间估计
考试要求
1．理解参数的点估计、估计量与估计值的概念；了解估计量的无偏性、有效性（最小方差性）和一致性（相合性）的概念，并会验正估计量的无偏性.
2．掌握矩估计法（一阶、二阶矩）和最大似然估计法
3．掌握建立未知参数的（双侧和单侧）置信区间的一般方法；掌握正态总体均值、方差、标准差、矩以及与其相联系的数值特征的置信区间的求法.
4．掌握两个正态总体的均值差和方差比及相关数字特征的置信区间的求法.

八、假设检验
考试内容
显着性检验 假设检验的两类错误 单个及两个正态总体的均值和方差的假设检验
考试要求
1．理解\\“假设\\”的概念和基本类型；理解显着性检验的基本思想，掌握假设检验的基本步骤；会构造简单假设的显着性检验.
2．理解假设检验可能产生的两类错误，对于较简单的情形，会计算两类错误的概率.
3．掌握单个及两个正态总体的均值和方差的假设检验.

试 卷 结 构

（－）总分 试卷满分为150分
（二）内容比例 微积分约56％ 线性代数约22％ 概率论与数理统计约22％
（三）题型比例 填空题与选择题约37％ 解答题（包括证明题）约63％
注：考试时间为 180分钟

⑵ 四因素混合正交设计 两个2水平 两个3水平

考虑进行一个三因素、每个因素有三个水平的试验。如果作全面试验，需作3^3
=
27次。
图:正交试验设计示意图
若从27次试验中选取一部分试验，常将a和b分别固定在a1和b1水平上，与c的三个水平进行搭配，a1b1c1,a1b1c2,a1b1c3。作完这3次试验后，若a1b1c3最优，则取定c3这个水平，让a1和c3固定，再分别与b因素的三个水平搭配，a1b1c3,a1b2c3,a1b3c3。这3次试验作完以后，若a1b2c3最优，取定b2,c3这两个水平，再作两次试验a2b2c3,a3b2c3,然后与一起比较，若a3b2c3最优，则可断言a3b2c3是我们欲选取的最佳水平组合。这样仅作了8次试验就选出了最佳水平组合。
我们发现，这些试验结果都分布在立方体的一角，代表性较差，所以按上述方法选出的试验水平组合并不是真正的最佳组合。
如果进行正交试验设计，利用正交表安排试验，对于三因素三水平的试验来说，需要作9次试验，用“δ”表示，标在图中。如果每个平面都表示一个水平，共有九个平面，可以看到每个平面上都有三个“δ”点，立方体的每条直线上都有一个“δ”点，并且这些“δ”点是均衡地分布着，因此这9次试验的代表性很强，能较全面地反映出全面试验的结果，这就是正交实验设计所特有的均衡分散性。我们正是利用这一特性来合理的设计和安排试验，以便通过尽可能少的试验次数，找出最佳水平组合。编辑本段正交试验设计的过程
1)确定试验因素及水平数;
2)选用合适的正交表;
3)列出试验方案及试验结果;
4)对正交试验设计结果进行分析，包括极差分析和方差分析;
5)确定最优或较优因素水平组合。正交试验设计法与遗传算法的联系
（1）正交试验设计法是遗传算法的一种特例，即正交试验设计法是一种初始种群固定的、只使用定向变异算子的、只进化一代的遗传算法。
（2）遗传算法的步骤比正交试验设计法复杂，所需的试验次数也要多于正交试验设计法的试验次数，但它产生的解要优于正交试验设计法产生的解。
（3）遗传算法的隐并行性使得它在处理交互作用项时，效率比正交试验设计法要高。
（4）正交试验设计法可解决一般遗传算法中的最小欺骗问题。

⑶ 遗传算法运用正交数组产生初始种群对编码有没有要求

遗传操作是模拟生物基因遗传的做法。在遗传算法中，通过编码组成初始群体后，遗传操作的任务就是对群体的个体按照它们对环境适应度(适应度评估)施加一定的操作，从而实现优胜劣汰的进化过程。从优化搜索的角度而言，遗传操作可使问题的解，一代又一代地优化，并逼近最优解。

⑷ 在遗传算法中怎么用正交法得到初始化种群，最好有程序

用Matlab编写的对其时域频域分析%x=wavread('D:\\1.wav',8000); y=wavread('D:\\1.wav ',[4000,

⑸ 没有目标函数的优化问题。 1、目标函数是有的，只是和变量没有显式。 2、目标函数是可以通过实测得到。

遗传算法。NSGA2。举个最简单的例子，给出一组这4个变量的值，你确定出相应的目标函数，那如果遍历完所有的解呢，就确定了所有的目标函数值。没有明确的关系应该指的是不能用解析式表达出来吧，能用仿真或者程序计算就行了，遗传算法是可以没有表达式的。网上有相应的程序，也可以用matlab的工具箱。http://www.pudn.com/downloads123/sourcecode/math/detail522443.html

⑹ 求救：发酵过程在线检测的方法是什么

首先看参数。

1. ph、do溶氧用的是在线电极，可以高温在位灭菌，原理是极谱电极详见网络极谱法

2. 温度也是在线电极，这个很常规具体的可以网络知道

3. 压力用的压力传感器，类型非常多

4. 营养指标：糖浓度可以用在线生化分析仪

5. 细胞浓度，OD：有在线的活细胞分析仪
   

⑺ 蔡自兴的发表论文

蔡自兴教授已在国内外发表论文和科技报告等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.蔡自兴，陈白帆，刘丽珏. 智能科学基础系列课程国家级教学团队的改革与建设. 计算机教育，2010，（127）：40-44 .
21.蔡自兴，任孝平，李昭.一种基于GPS/INS组合导航系统的车辆状态估计方法. Proc.CCPR2010, 2010.
22.蔡自兴。智能科学技术课程教学纵横谈. 计算机教育，2010，（127）：2-6.
23.蔡自兴，蒋冬冬，谭平，安基程。H.264中快速运动估计算法的一种改进方案;计算机应用研究2010,27(4):1524-1525.
24.蔡自兴; 任孝平; 邹磊; 匡林爱. 一种簇结构下的多移动机器人通信方法.小型微型计算机系统,2010,31(3):553-556.
25. 陈爱斌，蔡自兴.一种基于目标和背景加权的目标跟踪方法,控制与决策，2010,25(8):1246-1250.
26. 陈爱斌;蔡自兴; 文志强; 董德毅. 一种基于预测模型的均值偏移加速算法. 信息与控制 2010,39(2): 234-237.
27. 陈爱斌; 董德毅;杨勇;蔡自兴. 基于目标中心定位和NMI特征的跟踪算法.计算机应用与软件,2010,27(4):276-279.
28. 陈白帆，蔡自兴，刘丽珏. 人工智能课程的创新性教学探索——人工智能精品课程建设与改革. 计算机教育，2010，（127）：27-31.
29. 官东，蔡自兴，孔志周. 一种基于推荐证据理论的网格信任模型.系统仿真学报，2010，22（8）：1895-1898.
30.郭璠,蔡自兴,谢斌, 唐琎. 图像去雾技术研究综述与展望. 计算机应用, 2010, 30(9):2417-2421.
31. 郭璠,蔡自兴, 谢斌, 唐琎. 一种基于亮度分量的自动图像去雾方法. 中国图象图形学报. 2010年3月(录用).
32. 江中央,蔡自兴,王勇. 一种新的基于正交实验设计的约束优化进化算法. 计算机学报, 2010，33（5）：855-864.
33. 江中央,蔡自兴,王勇.求解全局优化问题的混合自适应正交遗传算法.软件学报, 2010,21(6):1296-1307.
34. 匡林爱,蔡自兴. 基于遗传算法的无线传感器网络重新部署方法. 控制与决策，2010,25(9):1329-1332.
35. 匡林爱,蔡自兴.一种簇机构下的多移动机器人通讯方法.小型微型计算机系统.，2010，31（3）：553-556.
36. 匡林爱,蔡自兴.一种带宽约束的无线传感器网络节点调度算法.高技术通讯，2010,20(3):309-313.
37. 刘丽珏，蔡自兴，唐琎. 人工智能双语教学建设. 计算机教育，2010，（127）：74-77.
38. 刘献如，蔡自兴. 基于SAD与UKF-Mean shift的主动目标跟踪. 模式识别与人工智能，2010,23(5)：646-652.
39. 刘献如，蔡自兴. 结构化道路车道线的鲁棒检测与跟踪. 光电子.激光，2010，21(12):1834-1838.
40. 刘献如,蔡自兴.UKF 与Mean shift 相结合的实时目标跟踪.中南大学学报，2009年录用.
41. 刘晓莹;蔡自兴; 余伶俐; 高平安. 一种正交混沌蚁群算法在群机器人任务规划中的应用研究. 小型微型计算机系统, 2010,31(1):164-168.
42. 蒙祖强，蔡自兴，黄柏雄. 课程交叉教学在应用型人才培养中的实践探索. 计算机教育，2010，（127）：55-57.
43. 潘薇;蔡自兴; 陈白帆. 复杂环境下多机器人协作构建地图的方法;四川大学学报(工程科学版) 2010-01-20.
44. 任孝平,蔡自兴,邹磊,匡林爱.“中南移动二号”多移动机器人通信系统.中南大学学报（自然科学版）,2010,41(4):1442-1448.
45. 任孝平,蔡自兴.四种虚拟力模型在传感器网络覆盖中的性能分析.信息与控制,2010，39（4）：441-445.
46. 任孝平;蔡自兴; 陈爱斌. 多移动机器人通信系统研究进展. 控制与决策 2010,(3): 327-332.
47.唐素勤，蔡自兴，王驹，蒋运承: 基于gfp语义的描述逻辑系统FLE的有穷基,计算机研究与发展，2010,47(9):1514-1521.
48. 唐素勤，蔡自兴，王驹，蒋运承: 描述逻辑非标准推理, 模式识别与人工智能，2010,23(4)：522-530.
49. 肖赤心，蔡自兴，王勇. 字典序进化算法用于组合优化问题. 控制理论与应用，2010，27（4）：473-480.
50. 谢斌，蔡自兴. 基于MATLAB Robotics Toolbox的机器人学仿真实验教学. 计算机教育，2010，（127）：140-143.
51. 余伶俐,蔡自兴,谭平,段琢华.基于多模态Rao-Blackwellized进化粒子滤波器的移动机器人航迹推算系统的故障诊断. 控制与决策，2010，25（12）：1787-1792.
52. 余伶俐,蔡自兴,谭平,进化粒子滤波器对比研究及其在移动机器人故障诊断的应用. 信息与控制，2010，39（5）：621-628.
53. 余伶俐，蔡自兴，肖晓明. 智能控制精品课程建设与教学改革研究. 计算机教育，2010，（127）：35-39.
54. 余伶俐,焦继乐,蔡自兴. 一种多机器人任务规划算法及其系统实现. 计算机科学，2010，37（6）：252-255.
55.周涛;蔡自兴。 信息审计中短消息中心实验环境的仿真[J].科学技术与工程 2010,10(6): 1551-1554.
56. 邹磊,蔡自兴,任孝平.一种基于虚拟力的自组织覆盖算法.计算机工程,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,蔡自兴,周育人,肖赤心.约束优化进化算法.软件学报, 2009,20(1): 11-29.
68. 陈白帆,蔡自兴, 潘薇. 基于声纳和摄像头的动态环境地图创建方法.高技术通讯, 2009, 19(4): 410-414.
69. 陈白帆,蔡自兴, 袁成. 基于粒子群优化的移动机器人SLAM方法研究.机器人, 2009, 31(6)：513-517.
70. 高平安,蔡自兴. 多移动机器人任务负载均衡分组规划方法.高技术通讯,2009, 19(5):501-505.
71. 高平安,蔡自兴. 一种基于多子群的动态优化算法.中南大学学报(自然科学版) 2009, 40(3): 731-736.
72. 刘献如,;蔡自兴. 一种基于Integral Imaging和与模拟退火相结合的深度测量方法研究. 系统仿真学报. 2009，21(8)：2303~2306.
73. 刘利枚，蔡自兴，潘薇.一种基于声纳信息的地图创建方法.计算机工程，2009，35（7）：166-185.
74. 余伶俐，蔡自兴. 基于异质交互式文化混合算法的机器人探测任务规划.机器人.2009, 31(2):137-145.
75. 余伶俐，蔡自兴，刘晓莹，高平安. 均分点蚁群算法在群集机器人任务规划中的应用研究[J].高技术通讯. 2009,19(10),1054-1060.
76. 余伶俐，蔡自兴. 改进混合离散粒子群的多种优化策略算法.中南大学学报,2009, 40(4): 1047-1053.
77. 余伶俐，蔡自兴，高平安，刘晓莹. 当代学习自适应混合离散粒子群算法研究. 小型微型计算机系统. 2009, 30(9):1800-1804.
78. 余伶俐，蔡自兴. 基于当代学习离散粒子群的多机器人高效任务分配算法研究. 计算机应用研究. 2009, 26(5):1691-1694.
79.蔡自兴; 谢斌; 魏世勇; 陈白帆. 《机器人学》教材建设的体会. 2009年全国人工智能大会(CAAI-13)，北京：北京邮电大学出版社，252-255，2009年9月.
80.蔡自兴，郭璠. 密码学虚拟实验平台的设计与实现.中国人工智能进展（2009），中国人工智能大会(CAAI-13)论文集，北京：北京邮电大学出版社，432-438，2009年9月.
81.蔡自兴,任孝平,邹磊.分布式多机器人通信仿真系统.智能系统学报,2009,4(4): 309-313.
82. 任孝平,蔡自兴.基于阿克曼原理的车式移动机器人运动学建模.智能系统学报, 2009,4(6);534-537.
83.蔡自兴; 任孝平; 邹磊. 分布式多机器人通信仿真系统.智能系统学报, 2009,4(4);309-313.
84. 文志强;蔡自兴. 一种目标跟踪中的模糊核直方图. 高技术通讯, 2009,19(2):174-180.
85.刘星宝;蔡自兴. 种子检测器刺激-应答变异算法研究. 高技术通讯, 2009,19(3):273-278.
86. 刘星宝;蔡自兴. 负选择算法中的检测器快速生成策略. 小型微型计算机系统, 2009-07-15.
87. 刘星宝;蔡自兴. 异常检测系统的漏洞分析.中南大学学报(自然科学版), 2009-08-26.
88. 潘薇;蔡自兴; 陈白帆. 一种非结构环境下多机器人构建地图的方法. 高技术通讯, 2009-05-25.
89. 孔志周;蔡自兴; 官东. 两种模糊密度确定方法的实验比较. 小型微型计算机系统, 2009-02-15.
90. 江中央;蔡自兴; 王勇. 用于全局优化的混合正交遗传算法. 计算机工程, 2009-02-20.
91. 肖赤心;蔡自兴; 王勇; 周经野. 一种基于佳点集原理的约束优化进化算法. 控制与决策, 2009-02-15 .
92. 官东;蔡自兴; 孔志周. 一种基于网格技术的HLA分布仿真实现方法. 系统仿真学报, 2009,21(5):1363-1366.
93.刘慧;蔡自兴; 王勇. 基于佳点集的约束优化进化算法. 系统仿真学报, 2009-03-20 .
94. 潘薇;蔡自兴; 陈白帆. 基于遗传算法的多机器人协作建图方法. 计算机应用研究, 2009-04-15.
95. 任孝平;蔡自兴; 卢薇薇. 一种基于扫描相关度的LSB算法. 计算机应用, 2009-05-01.
96.胡强;蔡自兴. 一种基于改造时钟系统的Linux实时化方案. 计算机工程, 2009-06-05.
97. 袁成;蔡自兴; 陈白帆. 粒子群优化的同时定位与建图方法. 计算机工程, 2009-06-05.
98. 王勇;蔡自兴. “智能优化算法及其应用”课程教学的实践与探索. 计算机教育, 2009-06-10.
99. 任孝平;蔡自兴; 卢薇薇. 网络可重构的多机器人仿真系统. 计算机应用研究, 2009-06-15.
100. 袁湘鹏;蔡自兴; 刘利枚. 基于声纳的移动机器人环境建图的设计与实现. 计算机应用研究, 2009-07-15.
101. 官东;蔡自兴; 孔志周.网格服务本体匹配算法研究. 小型微型计算机系统, 2009，30(8):1639-1643.
102. 邹磊;蔡自兴; 任孝平. 基于簇的多移动机器人通信系统. 计算机应用研究, 2009-08-15.
103.蔡自兴. 从严施教,精心育才,培养高素质人才. 计算机教育, 2009-09-10.
104. 肖晓明; 旷东林;蔡自兴. 单亲遗传算法种群初始化方法分析. 电脑与信息技术, 2009-08-15.
105. 刘丽珏; 陈白帆; 王勇; 余伶俐;蔡自兴. 精益求精建设人工智能精品课程. 计算机教育, 2009-09-10.
106. 陈爱斌;蔡自兴; 安基程. 一种基于摄像机视角的立体视觉定位方法.中南大学学报(自然科学版), 2009-09-10.
107. 唐素勤;蔡自兴; 江中央; 肖赤心. 用于求解约束优化问题的自适应佳点集进化算法. 小型微型计算机系统,2009,第9期，2009-11-15.
108.胡扬;桂卫华;蔡自兴. 多元智能算法控制结构综述. 计算机科学, 2009-10-15.
109.蔡自兴. 《混沌系统的模糊神经网络控制理论与方法》评介. 计算技术与自动化, 2009-12-15.
110. 陈爱斌;蔡自兴; 安基程. 一种基于摄像机视角的立体视觉定位方法. 2009年中国智能自动化会议论文集（第六分册）[中南大学学报（增刊）], 2009-09-27.
111. 于金霞;蔡自兴; 段琢华. 复杂地形下移动机器人运动学建模研究. 2009中国控制与决策会议论文集（1）, 2009-06-17.
112. 刘献如，蔡自兴，杨欣荣. Integral Imaging与模拟退火相结合的深度测量方法研究. 系统仿真学报，2009,21（8）：2303－2307.

⑻ 单模态和多模态，这里的模态是什么意思

模态指的就是你的图像服从的分布吧，我现在正在做单高斯模型的背景提取，我用的图像就是服从单高斯模型的图像，简单的说就是图像特征的峰值比较单一的那种，这就是单模态图像

⑼ 小波分析法和遗传算法之间是什么样的关系

1、小波变换是通过缩放母小波（Mother wavelet）的宽度来获得信号的频率特征， 通过平移母小波来获得信号的时间信息。对母小波的缩放和平移操作是为了计算小波系数，这些小波系数反映了小波和局部信号之间的相关程度。小波变换基，既具有频率局域性质，又具有时间局域性质。小波变换的多分辨度的变换，能在多个尺度上分解，便于观察信号在不同尺度（分辨率）上不同时间的特性。小波变换存在快速算法，对于M点序列而言，计算复杂性为：O(M)，处理快速。小波变换基函数有多种类型，可以是正交的，也可以是非正交（双正交），比傅里叶变换更加灵活。小波分析的应用领域十分广泛，它包括：数学领域的许多学科；信号分析、图像处理；量子力学、理论物理；军事电子对抗与武器的智能化；计算机分类与识别；音乐与语言的人工合成；医学成像与诊断；地震勘探数据处理；大型机械的故障诊断等方面；例如，在数学方面，它已用于数值分析、构造快速数值方法、曲线曲面构造、微分方程求解、控制论等。在信号分析方面的滤波、去噪声、压缩、传递等。在图像处理方面的图像压缩、分类、识别与诊断，去污等。在医学成像方面的减少B超、CT、核磁共振成像的时间，提高分辨率等。
(1)小波分析用于信号与图像压缩是小波分析应用的一个重要方面。它的特点是压缩比高，压缩速度快，压缩后能保持信号与图像的特征不变，且在传递中可以抗干扰。基于小波分析的压缩方法很多，比较成功的有小波包最好基方法，小波域纹理模型方法，小波变换零树压缩，小波变换向量压缩等。
(2)小波在信号分析中的应用也十分广泛。它可以用于边界的处理与滤波、时频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺度边缘检测等。
(3)在工程技术等方面的应用。包括计算机视觉、计算机图形学、曲线设计、湍流、远程宇宙的研究与生物医学方面。
2、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。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术。遗传算法的一些主要应用领域：
（1）函数优化
函数优化是遗传算法的经典应用领域，也是遗传算法进行性能评价的常用算例，许多人构造出了各种各样复杂形式的测试函数：连续函数和离散函数、凸函数和凹函数、低维函数和高维函数、单峰函数和多峰函数等。对于一些非线性、多模型、多目标的函数优化问题，用其它优化方法较难求解，而遗传算法可以方便的得到较好的结果。
（2）组合优化
随着问题规模的增大，组合优化问题的搜索空间也急剧增大，有时在目前的计算上用枚举法很难求出最优解。对这类复杂的问题，人们已经意识到应把主要精力放在寻求满意解上，而遗传算法是寻求这种满意解的最佳工具之一。实践证明，遗传算法对于组合优化中的NP问题非常有效。例如遗传算法已经在求解旅行商问题、 背包问题、装箱问题、图形划分问题等方面得到成功的应用。 此外，GA也在生产调度问题、自动控制、机器人学、图象处理、人工生命、遗传编码和机器学习等方面获得了广泛的运用。
综上所述，小波分析法和遗传算法主要有一下几方面的不同:(1)算法原理不同;(2)算法的应用侧重领域不同。遗传算法不是求解小波分析函数的一种算法。

⑽ MATLAB 7.0

附件说明

关于MATLAB的入门视频有不少，但要称的上完整、系统，恐怕很难有统一的标准。

我提供的是胡晓冬，董辰辉的《MATLAB从入门到精通》（人民邮电出版社，2010-06）一书的配套光盘，应该能满足你的需求。内含217个实例程序文件，330分钟的视频讲解。

图书下载

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

图书简介

本书以MATLABR2009a软件为基础，系统讲解了MATLAB基本环境和操作方法。本书介绍了最新的MATLAB功能，并分章阐述了数据类型、数值计算、符号计算、编程基础、可视化、Simulink、应用程序接口等内容，结合案例详细讲解了MATLAB语言的使用。本书还专门讲解了实用的MATLAB编程技巧与数学建模应用等。
本书所带的光盘是读者学习MATLAB的好帮手，提供了全部示例的源程序，另外配有知识点和例题的视频教程，可帮助读者更好地理解书中的内容并更快地掌握MATLAB的使用方法。
本书内容丰富、贴近实战应用，可作为高校学生系统学习MATLAB的书籍，也可以作为广大科研和工程技术人员在工作中使用MATLAB的参考书。

图书目录

第1章MATLAB概述1
1.1MATLAB简介1
1.2MATLAB主要功能2
1.2.1开发算法和应用程序2
1.2.2分析和访问数据3
1.2.3实现数据可视化3
1.2.4进行数值计算4
1.2.5发布结果和部署应用程序5
1.3MATLAB安装与启动5
1.3.1MATLAB的安装5
1.3.2MATLAB的启动与退出7
1.3.3Desktop操作界面简介8
1.4CommandWindow运行入门8
1.4.1命令行的使用8
1.4.2数值、变量和表达式9
1.4.3命令行的特殊输入方法11
1.4.4命令窗口的显示格式12
1.4.5命令窗口常用快捷键与命令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命令行辅助功能与FunctionBrowser16
1.9Help17
1.9.1HelpBrowser18
1.9.2命令窗口查询帮助18

第2章矩阵和数组20
2.1矩阵的创建与组合20
2.1.1创建简单矩阵20
2.1.2创建特殊矩阵21
2.1.3矩阵的合并22
2.2矩阵的寻访与赋值23
2.2.1矩阵的标识23
2.2.2矩阵的寻访24
2.2.3矩阵的赋值24
2.3进行数组运算的常用函数25
2.3.1函数数组运算规则的定义25
2.3.2进行数组运算的常用函数25
2.4查询矩阵信息27
2.4.1矩阵的形状信息27
2.4.2矩阵的数据类型27
2.4.3矩阵的数据结构28
2.5数组运算与矩阵运算28
2.6矩阵的重构29
2.6.1矩阵元素的扩展与删除29
2.6.2矩阵的重构30
2.7稀疏矩阵31
2.7.1稀疏矩阵的存储方式32
2.7.2稀疏矩阵的创建32
2.7.3稀疏矩阵的运算35
2.7.4稀疏矩阵的交换与重新排序36
2.7.5稀疏矩阵视图38
2.8多维数组38
2.8.1多维数组的创建39
2.8.2多维数组的寻访与重构41
2.9多项式的表达式及其操作44
2.9.1多项式的表达式和创建44
2.9.2多项式运算函数45

第3章数据类型47
3.1数值型47
3.2逻辑型47
3.2.1逻辑型简介47
3.2.2返回逻辑结果的函数48
3.2.3运算符的优先级50
3.3字符和字符串51
3.3.1创建字符串51
3.3.2字符串比较52
3.3.3字符串查找与替换53
3.3.4类型转换54
3.3.5字符串应用函数小结55
3.4structure数组56
3.4.1structure数组的创建57
3.4.2structure数组的寻访59
3.4.3structure数组域的基本操作60
3.4.4structure数组的操作61
3.5cell数组63
3.5.1cell数组的创建63
3.5.2cell数组的寻访65
3.5.3cell数组的基本操作65
3.5.4cell数组操作函数66
3.6Map容器67
3.6.1Map数据类型介绍67
3.6.2Map对象的创建68
3.6.3查看Map的内容69
3.6.4Map的读写70
3.6.5Map中key和value的修改72
3.6.6映射其他数据类型73

第4章数值计算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范数81
4.2矩阵特征值和奇异值82
4.2.1特征值和特征向量的求取82
4.2.2奇异值分解84
4.3概率和统计85
4.3.1基本分析函数85
4.3.2概率函数、分布函数、逆分布函数和随机数93
4.4数值求导与积分94
4.4.1导数与梯度94
4.4.2一元函数的数值积分95
4.4.3二重积分的数值计算97
4.4.4三重积分的数值计算97
4.5插值98
4.5.1一维数据插值98
4.5.2二维数据插值99
4.5.3多维插值100
4.5.4样条插值100
4.6曲线拟合101
4.6.1最小二乘原理及其曲线拟合算法101
4.6.2曲线拟合的实现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章符号计算110
5.1符号变量、表达式及符号方程110
5.1.1符号变量与表达式的创建110
5.1.2符号计算中的运算符和基本函数112
5.1.3创建符号方程113
5.2符号微积分113
5.2.1符号求导与微分113
5.2.2符号求极限115
5.2.3符号积分116
5.2.4级数求和116
5.2.5Taylor级数117
5.3符号表达式的化简与替换117
5.3.1符号表达式的化简118
5.3.2符号表达式的替换122
5.4符号可变精度计算125
5.5符号线性代数127
5.5.1基础代数运算127
5.5.2线性代数运算128
5.6符号方程求解130
5.6.1求代数方程符号解130
5.6.2求代数方程组的符号解130
5.6.3求微分方程符号解132
5.6.4求微分方程组的符号解134
5.7符号积分变换134
5.7.1Fourier变换及其反变换134
5.7.2Laplace变换及其反变换135
5.7.3Z变换及其反变换136

第6章MATLAB编程基础138
6.1M文件138
6.1.1M文件编辑器139
6.1.2M文件的基本内容140
6.1.3脚本式M文件142
6.1.4函数式M文件143
6.2流程控制143
6.2.1顺序结构144
6.2.2if语句144
6.2.3switch语句146
6.2.4for循环146
6.2.5while循环147
6.2.6continue命令148
6.2.7break命令149
6.2.8return命令150
6.2.9人机交互命令150
6.3函数的类型152
6.3.1主函数152
6.3.2子函数152
6.3.3私有函数153
6.3.4嵌套函数154
6.3.5重载函数157
6.3.6匿名函数157
6.4函数的变量161
6.4.1变量类型161
6.4.2变量的传递162
6.5函数句柄164
6.5.1函数句柄的创建165
6.5.2函数句柄的调用165
6.5.3函数句柄的操作166
6.6串演算函数167
6.6.1eval函数167
6.6.2feval函数168
6.6.3inline函数169
6.7内存的使用170
6.7.1内存管理函数170
6.7.2高效使用内存的策略170
6.7.3解决“OutofMemory”问题172
6.8程序调试和优化173
6.8.1使用Debugger窗口调试173
6.8.2在命令窗口中调试176
6.8.3profile性能检测178
6.9错误处理180
6.9.1使用try-catch语句捕捉错误180
6.9.2处理错误和从错误中恢复181
6.9.3警告183

第7章数据可视化185
7.1绘图的基本知识185
7.1.1离散数据和离散函数的可视化185
7.1.2连续函数的可视化186
7.1.3可视化的一般步骤187
7.2二维图形187
7.2.1基本绘图函数187
7.2.2曲线的色彩、线型和数据点型189
7.2.3坐标、刻度和网格控制190
7.2.4图形标识192
7.2.5双坐标图和子图195
7.2.6双轴对数图形197
7.2.7特殊二维图形197
7.3三维图形203
7.3.1绘制三维曲线图203
7.3.2绘制三维曲面图203
7.3.3特殊三维图形205
7.4三维图形的高级控制207
7.4.1视点控制207
7.4.2颜色的使用208
7.4.3光照控制208

第8章图像处理210
8.1图像文件的操作210
8.1.1查询图像文件的信息211
8.1.2图像文件的读写212
8.1.3图像文件的显示213
8.1.4图像格式的转换214
8.2图像的几何运算216
8.2.1图像的平移216
8.2.2图像的镜像变换216
8.2.3图像缩放217
8.2.4图像的旋转218
8.2.5图像的剪切218
8.3图像的正交变换219
8.3.1傅立叶变换219
8.3.2离散余弦变换220
8.3.3Radon变换221
8.4MATLAB图像增强222
8.4.1像素值及其统计特性222
8.4.2对比度增强224
8.4.3直方图均衡化225
8.4.4空域滤波增强226
8.4.5频域增强228

第9章图形用户界面(GUI)设计230
9.1句柄图形对象230
9.1.1图形对象230
9.1.2图形对象句柄231
9.1.3图形对象属性的获取和设置232
9.2GUIDE简介234
9.2.1启动GUI235
9.2.2Layout编辑器235
9.2.3运行GUI236
9.3创建GUI236
9.3.1GUI窗口布局236
9.3.2菜单的添加237
9.3.3控件241
9.4CallBack函数245
9.4.1变量的传递245
9.4.2函数编写246
9.5GUI设计示例248

第10章数据文件I/O254
10.1处理文件名称254
10.2MATLAB支持的文件格式255
10.3导入向导的使用256
10.4MAT文件的读写257
10.4.1MAT文件的写入257
10.4.2MAT文件的读取258
10.5Text文件读写259
10.5.1Text文件的读取259
10.5.2Text文件的写入262
10.6Excel文件读写262
10.7音频/视频文件操作264
10.7.1获取音频/视频文件的文件头信息264
10.7.2音频/视频文件的导入与导出264

第11章MATLAB优化问题应用266
11.1MATLAB优化工具箱266
11.1.1MATLAB求解器267
11.1.2极小值优化269
11.1.3多目标优化275
11.1.4方程组求解276
11.1.5最小二乘及数据拟合277
11.2模式搜索法278
11.3模拟退火算法280
11.3.1模拟退火算法简介280
11.3.2模拟退火算法应用实例280
11.3.3关于计算结果281
11.4遗传算法282
11.4.1遗传算法简介282
11.4.2遗传算法应用实例283
11.5OptimizationTool简介285

第12章信号处理289
12.1信号处理基本理论289
12.1.1信号的生成289
12.1.2数字滤波器结构293
12.2IIR滤波器的MATLAB实现294
12.2.1IIR滤波器经典设计295
12.2.2IIR滤波器直接设计法301
12.2.3广义巴特沃思IIR滤波器设计302
12.3FIR滤波器的MATLAB实现303
12.3.1FIR滤波器设计303
12.3.2fir1函数304
12.3.3fir2函数305

第13章Simulink仿真306
13.1Simulink简介306
13.1.1Simulink功能与特点306
13.1.2Simulink的安装与启动307
13.2Simulink基础309
13.2.1Simulink模型是什么309
13.2.2Simulink模块操作309
13.2.3Simulink信号线操作312
13.2.4Simulink对模型的注释314
13.2.5Simulink常用的模型库314
13.2.6Simulink仿真配置316
13.3Simulink动态系统仿真320
13.3.1简单系统的仿真分析320
13.3.2离散系统的仿真分析322
13.3.3连续系统的仿真分析324
13.4Simulink模型中的子系统327
13.4.1子系统的建立327
13.4.2子系统的封装328
13.5SimulinkS-函数331
13.5.1什么是S-函数332
13.5.2S-函数的作用和原理332
13.5.3用M文件创建S-函数实例333

第14章应用程序接口336
14.1MATLAB应用程序接口介绍336
14.2MATLAB调用C/C++337
14.2.1MATLABMEX文件338
14.2.2C-MEX文件的使用341
14.3C/C++调用MATLAB引擎346
14.3.1MATLAB计算引擎概述346
14.3.2MATLAB计算引擎库函数347
14.3.3C/C++调用MATLAB引擎348
14.4MATLAB编译器352
14.4.1MATLAB编译器的安装和设置353
14.4.2MATLAB编译器的使用354
14.4.3独立应用程序356

第15章MATLAB基础计算技巧365
15.1MATLAB数组创建与重构技巧365
15.2MATLAB数据类型使用技巧371
15.3MATLAB数值计算技巧373
15.4MATLAB文件读取操作技巧375
15.5MATLAB绘图技巧376

第16章MATLAB编程技巧379
16.1MATLAB编程风格379
16.1.1命名规则379
16.1.2文件与程序结构381
16.1.3基本语句382
16.1.4排版、注释与文档385
16.2MATLAB编程注意事项387
16.3内存的使用389
16.4提高MATLAB运行效率390
16.4.1提高运行效率基本原则390
16.4.2提高运行效率举例392

第17章MATLAB在数学建模中的应用395
17.1MATLAB蒙特卡罗模拟395
17.1.1蒙特卡罗方法简介395
17.1.2蒙特卡罗方法编程示例396
17.2MATLAB灰色系统理论应用398
17.2.1GM(1，1)预测模型简介398
17.2.2灰色预测计算实例399
17.3MATLAB模糊聚类分析401
17.3.1模糊聚类分析简介401
17.3.2模糊聚类分析应用示例402
17.4MATLAB层次分析法应用406
17.4.1层次分析法简介406
17.4.2层次分析法的应用409