提出了一种基于十项余弦窗的插值FFT算法,分析了余弦组合窗的特性,从旁瓣特性的优势出发,运用旁瓣峰值较低的十项余弦窗,并用双谱线插值算法推导出其对应的修正公式.仿真计算结果表明,谐波幅值误差小于0.001%,相位误差小于0.001%.新的插值FFT算法与常用的Hannning窗、Blackman窗插值FFT算法的测量结果对比,进一步说明了该算法可以有效提高电力系统谐波测量精度,具备实际应用价值.

采用朴素贝叶斯算法对雷达点云数据进行分类，先构建kd树对点云领域进行搜寻，后提取点云的法向量、残差、主成分及高程差作为朴素贝叶斯算法的参数，运行程序可得到分类结果图。 （1）主程序为Classify.m （2）../data里为txt格式的训练样本与测试样本点云数据。

从数学角度来说，分类问题可做如下定义：       已知集合： 和 ，确定映射规则 ，使得任意 有且仅有一个 使得 成立。（不考虑模糊数学里的模糊集情况）       其中C叫做类别集合，其中每一个元素是一个类别，而I叫做项集合，其中每一个元素是一个待分类项，f叫做分类器。分类算法的任务就是构造分类器f。 这个定理解决了现实生活里经常遇到的问题：已知某条件概率，如何得到两个事件交换后的概率，也就是在已知P(A|B)的情况下如何求得P(B|A)。 条件概率： 表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概率。其基本求解公式为： 对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。通俗来说，就好比这么个道理，你在街上看到一个黑人，

基于最小错误概率的贝叶斯分类器

（2）频域卷积性质：由 卷积特性说明：傅里叶变换可以将时域的卷积运算转换成频域中的乘法运算；也可以将时域的乘法运算转换成频域中的卷积运算。由于时域卷积是求解系统零状态响应的重要手段，因此，时域卷积性质为分析这种响应的频谱提供了方便。

分布式贝叶斯同震反演

针对移动目标防御中网络攻击面缺少客观风险评估的不足，为了有效地实现网络系统的安全风险评估，实现对潜在的攻击路径进行推算，提出一种基于贝叶斯攻击图的网络攻击面风险评估方法。通过对网络系统中资源、脆弱性漏洞及其依赖关系建立贝叶斯攻击图，考量节点之间的依赖关系、资源利用之间的相关性以及攻击行为对攻击路径的影响，推断攻击者到达各个状态的概率以及最大概率的攻击路径。实验结果表明了所提网络攻击面风险评估方法的可行性和有效性，能够为攻击面动态防御措施的选择提供很好的支撑。

该说明书对贝叶斯神经网络工具箱的使用进行了详细的说明

《信号与系统》常用公式整理，包括傅里叶变换、拉普拉斯变换、z变换。三大变换统一整理，非常适合考研党。

傅立叶变换详细推导的介绍，很不错，值得一看