- 博客(112)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 解决：Java后端返回给前端的Date格式数据相差8小时的问题
json数据在返回浏览器端是会被spring-boot默认的Jackson框架转换，而Jackson框架默认的时区GMT（相对于中国是少了8小时）。后端得到的数据是对的，但是返回给前端后，数据比原数据慢了8小时。在application.yml文件中，配置。
2024-04-15 15:40:20
326
原创 JDK１.７和JDK１.８切换操作
win+R——regedit，打开注册表，找到计算机\HKEY_LOCAL_MACHINE\SOFTWARE\JavaSoft\Java Runtime Environment，修改currentversion为1.8或1.7。2.将对应版本jdk中bin的java.exe,javaw.exe,javaws.exe拷贝到C:\Windows\System32中。1.在注册表中 修改当前版本。
2023-10-24 13:55:37
590
原创 解决IDEA新建Maven项目没有src目录的问题
若file中没有default settings，可先点击file-close project，在idea的欢迎页，选择Customize——AllSetting打开后所做的设置即为全局设置，如Maven中的仓库路径的指定。需要设置default settings，将Maven的 user settings file路径改为自己的本地路径，local respository改为自己本地路径。新配置的IDEA和Maven环境，在新建项目时，会出现仅有.idea文件夹的问题。
2023-10-23 16:29:55
1383
原创 word 公式序号自动按章节排序
9.在大括号外，键入. （表示章节和序号之间的连接符，也可以换成-）5.在大括号中键入 SEQ eq \r \h。6.光标放在公式最后一个字符后面，键入#()11.在大括号内，键入 SEQ eq \n。2.光标放在章节标题最后一个字后面，使用。4.光标放在刚刚的大括号后面，再次按下。8.在大括号内键入 SEQ ch \c。7.光标放在小括号内，按下。10.在点的右侧，继续按下。1.在普通视图下，使用。
2023-07-12 14:34:26
715
原创 智能优化算法——总结
群体智能优化算法是一种随机优化技术，该类算法在求解优化问题时具有良好的搜索能力，遵循着邻近原则、品质原则、多样性反应原则、稳定性原则、适应性原则。
2023-06-09 21:53:27
1331
原创 《A Novel Modified PID Controller Applied to Temperature Control withSelf-Tuning Ability》——翻译2016
温度控制是工业生产过程中普遍存在的问题。由于温度系统是一种时变非线性系统，这给温度的实时控制带来了一定的困难。为了解决这个问题，本文设计了一种自整定PID控制系统。它将模型参数在线辨识和控制器在线设计有机地结合在一起，参数辨识采用渐变记忆递归最小二乘算法，控制器采用极点分配算法。这使得控制系统不仅可以在线实时调整参数，还可以保证实际闭环系统收敛到零极期望的零极点，达到良好的控制效果。同时，针对电缆测温技术的局限性，本文设计了多点温度无线采集功能。仿真结果证明了所提方法的有效性。
2023-05-30 20:30:08
89
原创 《A Neuro-Fuzzy Model for Online Optimal Tuningof PID Controllers in Industrial SystemApplications》翻译
本文开发了一个用于优化和在线调整PID控制器的模型，并评估了其性能。所提出的模型是基于计算智能的方法，可用于工业工厂的运行过程中。建议的调谐模型被称为PID-神经-模糊模型，这是一种基于结构化人工神经网络和模糊规则的表述。该神经网络用于对PID控制器的增益进行优化调整，以确保系统所需的操作点，从而减少适应时间和稳态误差。模糊系统被纳入实时增益调度方案，以补偿工厂参数的可能变化。所提出的模型的性能是根据其处理过程中的不确定性和干扰的能力来评估的。
2023-05-30 20:27:12
144
原创 《A New General Type-2 Fuzzy Predictive Scheme for PID Tuning》翻译，2021年
PID控制器在各种工业应用中被广泛使用。但是，在许多有噪音的问题中，需要强有力的方法来优化PID参数。在本文中，介绍了一种通过模型预测控制和广义 2 型模糊逻辑系统调整比例-积分-微分参数的新方法。所提出的模糊系统的规则是在线调整，并根据模糊模型调整PID参数，从而使成本函数达到最小。所设计的控制器被应用于连续搅拌罐反应器，并与其他传统方法进行了性能比较。其主要优点是通过在线建模和优化提高了精度，并在传统的比例-积分-衍生控制器中加入了预测方案。比例-积分-导数（PID）控制器是普遍的控制器之一。
2023-05-30 09:32:02
551
原创 论文推荐(1)-《深度学习应用于时序预测研究综述》
时间序列预测的任务就是从众多数据中挖掘出其蕴含的核心规律并且依据已知的因素对未来的数据做出准确的估计。由于大量物联网数据采集设备的接入、多维数据的爆炸增长和对预测精度的要求愈发苛刻，导致经典的参数模型以及传统机器学习算法难以满足预测任务的高效率和高精度需求。为进一步促进时间序列预测技术的发展，综述了时间序列数据的常见特性、数据集和模型的评价指标，并以时间和算法架构为研究主线，实验对比分析了各预测算法的特点、优势和局限；最后结合深度学习应用于时间序列预测任务存在的问题与挑战对未来该方向的研究趋势进行了展望。
2023-05-29 08:44:10
265
原创 无线网络术语总结
学习802.11协议，其中有一些英文缩略词，这里做一下总结与记录。由电磁波传播时延，信道检测CCA时间以及天线的发送/接收切换组成。学习资料：知乎徐方鑫 802.11相关文章。
2023-02-13 14:30:33
541
1
原创 计算机基础知识总结
1.barker码barker码是一个11比特序列，在无线传输方面存在优势。每个比特编码为一个11位barker码，因此而产生的一个数据对象形成一个“chip”。该"chip"被加载到一个频率在2.4GHz频段（2.4-2.483GHz）的载波上，并采用某种调制技术进行调制。802.11系统传输速度为1Mbps，采用BPSK（二进制相移键控）；系统传输速度为2Mbps，采用QPSK（四进制相移键控）；2.工作站与台式机工作站具备高性能CPU、高性能显卡、纠错内存、高扩展性、高稳定性、高兼容性。
2022-10-24 17:17:11
2035
原创 python-sklearn模型通用方法的介绍
fitget_paramspredictscoreset_params假设训练好的模型名称为clf。
2022-10-20 09:16:08
1265
原创 过拟合和欠拟合
在训练集上表现好，在测试集上表现差，模型的泛化性能低。（学习器把训练样本学得太好了，很可能已经把训练样本自身的一些特点当作了所有潜在样本都会具有的一般性质）
2022-10-13 21:17:56
307
原创 MATLAB-损失函数和模型质量度量
系统标识工具箱™ 软件通过最小化模型输出和测量响应之间的误差来估计模型参数。这个误差称为损失函数或成本函数，是预测误差e（t）的正函数。通常，该函数是误差平方的加权和。对于具有ny输出的模型，损失函数V（θ）具有以下一般形式：软件通过最小化相对于θ的V（θ）来确定参数值。为了便于记，V（θ）以矩阵形式表示：E（θ）是大小为N×ny的误差矩阵。E的第i行（θ）表示时间t=i时的误差值。
2022-10-13 17:05:22
2306
原创 论文翻译之——《基于XGBoost的房价预测优化》-陶然
摘要：客观来说，房价受到诸多因素的制约，正因如此，房价预测仍然是数据分析中一个非常经典且具有挑战性的问题.本文针对房价数据冗余，在实际场景中很难确定重要特征，提出了一种创新的数据预处理方式，并通过双模型迭代拟合的方式进行数据预测.首先从数据意义、数据形式和数据关联性三个方面进行初始数据预处理，然后根据数据选择适合的模型进行训练.在传统机器学习中，Random Forest和XGBoost是两种常用的方法.RF模型通过其Bagging 过程，能够准确地评判“冗余”特征，而XGB模型在提高预测效果的同时，也囿于
2022-10-06 21:20:43
3343
原创 MATLAB-自由参数化状态空间模型的估计
状态空间矩阵A、B、C、D和K的默认参数化是免费的；也就是说，矩阵中的任何元素都可以通过估计例程进行调整。由于A、B和C的参数化是自由的，因此会自动选择状态空间实现的基础，以提供条件良好的计算。其中data是您的估计数据。ssest为自动选择的1到10之间的顺序估计连续时间状态空间模型。ssregest估计离散时间模型。迭代算法ssest由子空间方法n4sid初始化。假设您不了解离散时间状态空间模型的内部结构。它自动估计1:10范围内最佳顺序的离散时间模型。要估计干扰模型K，必须使用时域数据。
2022-09-30 09:04:18
683
原创 MATLAB-在命令行估计状态空间模型
在这种方法中，您可以指定模型顺序，也可以指定配置状态空间矩阵总体结构的其他模型结构属性。您使用数据和模型顺序作为主要输入参数调用、或，并使用名称-值对指定任何其他属性，例如模型采样时间、存在馈通、没有噪声分量等。您不能直接使用A、B、C、D、K和X0矩阵的系数。
2022-09-30 08:17:53
1361
原创 MATLAB 命令行状态空间模型辨识
结构化辨识中不能指定系统矩阵中各元素之间的关系，即各元素之间是独立的，对于元素之间有依赖性的结构化辨识属于复杂灰箱辨识，可尝试使用grayest估计器。首先创建一个包含系统矩阵初始值的idss模型结构，在此结构中，使用structure属性来指定参数约束。可以使用ssest或n4sid函数以数据和模型阶次作为主要函数参数来进行辨识。默认地，n4sid以数据的采样周期辨识离散时间模型，如果想辨识连续时间模型，可用如下命令。n4sid辨识离散模型。如果使用的是连续时间频域数据，则不能辨识离散模型。
2022-09-29 19:36:07
812
原创 MATLAB系统辨识工具箱-System Identification Toolbox
该工具箱提供 MATLAB® 函数、Simulink® 模块和一个应用程序，用于根据测量的输入输出数据构建动态系统的数学模型。它使用户可以创建和使用不容易从第一原理或规范建模的动态系统模型。用户可以使用时域和频域输入输出数据来识别连续时间和离散时间传递函数、过程模型和状态空间模型。该工具箱还提供嵌入式在线参数估计算法。
2022-09-15 11:07:26
3974
5
原创 Savitzky-Golayfilter滤波论文-Using Smoothing Algorithms to Reduce Baseline Noise in Chromatography翻译
虽然大多数现代数据分析系统足以确定峰面积和峰高，但必须使用适当的积分参数才能进行良好的量化。结果将取决于：• 系统如何过滤或平均短期噪声• 数据收集频率• 用于处理数据的计算机算法短期噪声（也称为高频噪声，> 1 Hz) 对大多数信噪比(S/N) 测量具有重要意义。短期噪声是由多种因素造成的，包括探测器噪声、泵送系统的脉动和电子噪声集成系统。长期噪声（频率在0.1和 1 Hz 之间的信号变化）通常表示外部源（例如室温）或系统问题，并限制色谱峰的准确测量。
2022-09-13 21:53:12
342
原创 对xgboost进行可视化，解决中文乱码问题
将下载的exe安装，并在系统环境变量中添加graphviz变量名，地址为graphviz安装路径中的bin/dot.exe。在python中添加如下代码。
2022-08-09 17:00:42
796
原创 matlab进行多输入多输出系统辨识
工具：matlab2021a步骤：鼠标选择需要导入的数据， 也可以默认全部导入，点击菜单栏导入。 在工作区看到矩阵导入成功（共导入4个矩阵）（2）对输入矩阵进行处理这里w矩阵中的4列为输入，s矩阵中的4列为输出。若直接将s和w作为输入输出矩阵进行系统辨识，会报错矩阵格式不对，需要进行一个简单的转换。（猜测可能是行列向量格式不对） 2.系统识别 （1）打开系统识别工具箱在命令行输入ident。（ident这种命令已经落后，现在使用syetemIdentification来代替）该命令会弹出如下窗口（
2022-07-13 18:40:47
6567
16
原创 移动VMware虚拟机
参考连接：将VMware虚拟机移到其它磁盘（C盘->D盘）_追梦赤子心刘大哥的博客-CSDN博客_vmware 虚拟机迁移硬盘操作成功！
2022-07-09 15:54:06
2348
原创 编程题02——找出与质心最近的点
描述：在二维平面上有k（编号为0~k-1）个点，请找出这k个点中离质心最近点的编号。质心，就是指其横坐标，纵坐标分别为k个点的横坐标平均值，纵坐标平均值的点，如果存在到质心距离相同的点，则返回编号小的点的编号示例：输入：[“1,1”,“2,2”,“1,2”,“1,3”]输出：2参考：不使用numpy找距离质心最小点实例_慧慧想弹琴的博客-CSDN博客...
2022-07-02 11:17:00
1343
原创 机器学习——数据预处理之归一化和标准化对比
首先明确，在机器学习中，标准化是更常用的手段，归一化的应用场景是有限的。我总结原因有两点：1、标准化更好保持了样本间距。当样本中有异常点时，归一化有可能将正常的样本“挤”到一起去。比如三个样本，某个特征的值为1,2,10000，假设10000这个值是异常值，用归一化的方法后，正常的1,2就会被“挤”到一起去。如果不幸的是1和2的分类标签还是相反的，那么，当我们用梯度下降来做分类模型训练时，模型会需要更长的时间收敛，因为将样本分开需要更大的努力！而标准化在这方面就做得很好，至少它不会将样本“挤到一起”。
2022-07-02 10:46:22
554
原创 openGauss数据库创建表，并给表字段添加注释。
#建立数据库连接# connect() 方法的参数一般包括:# database: 要连接的数据库名称# user:连接数据库的用户名# password: 连接数据库的密码# host: 数据库端口的地址，一般为 “localhost”,或者主机的IP地址# port: 门户 opengauss默认为26000.con = psycopg2.connect(database="datasets", user="jack", password="gauss@111", host="192..
2022-05-31 20:10:05
2217
原创 小应用——比较两个硬盘/U盘内的文件缺少了哪些
老板需求：每次拷贝文件到硬盘里的时候都会由于一些莫名奇妙的原因导致文件拷贝失败，或是自动跳过该文件不进行拷贝。拷贝完成后，不清楚哪些文件没有拷贝，丢失的文件需要手动寻找，非常麻烦。应用功能：比对目录A和目录B，返回结果：1.A比B多了哪些文件2.B比A多了哪些文件import osdef getAllFiles(path): flist = [] for root, dirs, fs in os.walk(path): for f in fs:
2022-05-30 11:10:33
706
原创 Pycharm+PyQt5+Qt Designer+PyUIC配置教程
环境准备1.windows10下成功安装pycharm。2.windows10下成功安装anacoda3。安装1.安装pyqt5相关包，以及designer.exe。打开anaconda3的命令行，使用pip命令安装（我使用了镜像网站）。pip install pyqt5 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com安装成功会显示 Successfully installed pyqt5。继续
2022-05-25 19:43:35
730
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人