针对智能电网调度控制系统(D5000系统)健康度评价，基于专家经验的传统评价方法存在主观性较大的问题，机器学习多分类方法是提高评价客观性的一种有效手段，但健康度各等级样本数目间存在的不平衡问题导致分类准确率较低，为此提出一种基于随机平衡和极端梯度提升(RB-XGBoost)算法的D5000系统健康度评价模型。首先，针对系统各评价等级样本数目严重不平衡的问题，提出一种自适应随机平衡(RB)的混合采样方法，分别以等级间样本数目的最大值、最小值作为采样区间的上、下限，生成多个随机数对各等级样本数据进行欠采样或过采样，增加训练数据的多样性并降低其不平衡程度；然后，训练平衡后的样本数据，建立极端梯度提升(XGBoost)算法子模型，考虑到各子模型重要度的一致性，提出采用硬投票方式集成所有子模型，得到与D5000系统各子模块对应的评价模型；最后，根据该系统指标层级关系，在评价过程中采用并、串行结合的计算方式，构建包含17个RB-XGBoost模型的D5000系统整体健康度评价模型。8组KEEL数据库中多类不平衡数据集的实验结果表明，与现有同类典型方法相比，所提方法的平均分类准确率最高提升了6.79

使用IDL语言重采样JPG图像。实现将jPEG图像缩放。使用的是interpolate函数。

传统的支持向量机(SVM)算法在数据不均衡的情况下,分类效果很不理想。为了提高SVM算法在不均衡数据集下的分类性能,提出随机下采样与SMOTE算法结合的不均衡分类方法。该方法首先利用随机下采样对多数类样本进行采样,去除样本中大量重叠的冗余样本,使得在减少数据的同时保留更多有用信息;而对少数类样本则是利用SMOTE算法进行过采样。实验部分将其应用在UCI数据集中并同其他采样算法比较,结果表明文中算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高。

请注意，级联滤波器的解调信号比仅低通的情况要好

插补的基本概念、脉冲增量插补与数据采样插补的特点和区别、逐点比较法的基本原理、直线插补和圆弧插补

非平稳信号的类似于STFT的时频表示-从均匀采样的数据到任意非均匀采样的数据

原始的下肢肌电信号态数据，欢迎下载

粒子滤波及重要性采样

高速AD的采样，完成对速度和精度的要求，实现对模拟量的精确获取。

matlab qpsk调制代码Digital_Communication_Basics_Using_MATLAB 1-采样和量化2-NRZ_RZ 3-BASK调制和解调4-BFSK 5-QPSK->采样和量化-> RRC滤波器-> BASK-BFSK-QPSK-使用MATLAB可编程语言的数字通信系统的调制和解调代码。 接触：