提出应用Copula理论建立风电场、光伏电站出力联合概率分布模型的方法。该方法不仅考虑了风电场、光伏电站出力的随机性，并且计及两者出力的相关性。根据某风光互补电站的实测出力数据，采用非参数核密度估计法，估计风电场、光伏电站出力的概率分布。选取Kendall秩相关系数作为风电场、光伏电站出力的相关性测度。利用Frank Copula函数，计算风电场、光伏电站出力的联合概率分布。以RBTS标准测试系统作为算例，对风光互补发电系统进行可靠性评估，结果表明：建立的模型能够较好地描述风光互补发电系统出力的概率特性，且考虑相关性的可靠性评估更接近实际情况。

用法：[Y CovY] = Correlation_elimination( X ) 输入： X表示多元原始观测值（相关数据） 输出： Y 表示多元不相关数据 CovY 是 Y 的协方差_________________________________________ 例子： 将多元 Poisson-Weibull (X) 数据转换为新的不相关数据 (Y) %生成随机数据（使用NORTA方法） corrZ=[1 0.5;0.5 1]; Z=mvnrnd([0 0],corrZ,1000); X(:,1)=poissinv(normcdf(Z(:,1)),3); X(:,2)=wblinv(normcdf(Z(:,1)),3,2); X=X'; [Y CovY] = Correlation_elimination( X ) ____________________________

避孕数据分析 该项目分析了一个数据集，以确定女性的年龄与其使用避孕药具之间的相关性。 它还根据一些属性预测避孕药的使用。 这是所用项目的备份副本。 介绍 为了衡量印度尼西亚国家计划生育计划的有效性并随后对该计划进行改进，印度尼西亚国家避孕普及率调查（NICPS）于1987年收集了有关生育率和计划生育的数据。该调查旨在同时衡量避孕普及率和生育率以及影响因素影响这些结果的因素，例如教育程度和避孕药具的可获得性。 我们将此次调查的数据（从UCI机器学习存储库中检索到的数据）用于最终项目。 调查的参与者是15-49岁之间的已婚妇女，这些妇女要么未怀孕，要么在面试时不知道自己在怀孕。 尽管采访了11,884名女性，但我们探索的数据集是其中999名参与者的随机子集。 数据集中的每一行都通过唯一ID代表其中一位女性。 我们的数据集分为两个表：参与者和家庭背景。 参与者表提供有关参与者的人口统计信息，

复相关系数计算公式 设Y为因变量，考虑有两个自变量时，如 X1，X2，则将Y与X1，X2之间的复相关系数记为Ry·12

KH coder 文本分析工具，亲测可用，日语、英语、汉语都可以进行分析（值得一试）

SCD 是图像融合的图像质量度量。 它基于使用源图像和融合图像计算的差异图像之间的相关性。 所提出的度量不是通过直接利用源图像和融合图像之间的相关性来评估融合图像质量，而是通过考虑源图像及其对融合图像的影响来计算质量。

生成具有空间相关性的图像。整幅图像被看作是一个离散的随机场，每个像素都是一个随机变量。对于空间相关性模拟和研究非常有用。

研究多入多出（Multiple Input Multiple Output，MIMO）系统空间相关性模型和空间相关性对MIMO系统误码性能和信道容量的影响。

此函数计算矩阵的相互相干性。 输入：具有多于一列的实数或复数矩阵。 输出：相互的连贯性。

目前多数PM2.5浓度预测模型仅利用单个站点的时间序列数据进行浓度预测, 并没有考虑到空气质量监测站之间的区域关联性, 这会导致预测存在一定的片面性. 本文利用KNN算法选择目标站点所在区域中与其相关的空间因素, 并结合LSTM模型, 提出基于时空特征的KNN-LSTM的PM2.5浓度预测模型. 以哈尔滨市10个空气质量监测站的污染物数据进行仿真实验, 并将KNN-LSTM模型与其他预测模型进行对比, 结果显示: 模型相较于BP神经网络模型平均绝对误差(MAE)、均方根误差(RMSE)分别降低了19.25%、13.23%; 相较于LSTM模型MAE、RMSE分别降低了4.29%、6.99%. 表明本文所提KNN-LSTM模型能有效提高LSTM模型的预测精度.