为了深入研究复合行星轮系的非线性特性,采用集中质量法建立了一种考虑时变啮合刚度、齿侧间隙和齿轮副综合啮合误差的复合行星齿轮系统的非线性动力学模型.通过引入相对啮合位移、无量纲时间尺寸和激励频率对非线性动力学模型进行了无量纲处理,消除了系统的刚体位移.基于变步长 Gill 积分法编写了计算程序,求解了非线性微分方程组的动态响应.最后,综合运用时间历程图、相图、Poincaré映射和功率谱对各类响应进行了比较和分析,研究了系统在不同无量纲激励频率激励时所表现单周期、拟周期、多周期和混沌的非线性特性,结果发现系

基于神经网络MIMO非仿射系统自适应输出反馈控制，赵品，，针对一类多输入多输出（MIMO）非仿射非线性系统，设计了一种基于神经网络的自适应输出反馈控制方案，使得输出信号能够跟踪给定光��

世界领先的非线性曲线拟合，综合优化软件包 简体中文版 1stOpt(First Optimization)是七维高科有限公司（7D-Soft High Technology Inc.）独立开发，拥有完全自主知识产权的一套数学优化分析综合工具软件包。在非线性回归，曲线拟合，非线性复杂工程模型参数估算求解等领域傲视群雄，首屈一指，居世界领先地位。除去简单易用的界面，其计算核心是基于七维高科有限公司科研人员十数年的革命性研究成果【通用全局优化算法】 (Universal Global Optimization - UGO)，该算法之最大特点是克服了当今世界上在优化计算领域中使用迭代法必须给出合适初始值的难题，即用户勿需给出参数初始值，而由1stOpt随机给出，通过其独特的全局优化算法，最终找出最优解。以非线性回归为例，目前世界上在该领域最有名的软件工具包诸如OriginPro，Matlab，SAS，SPSS，DataFit，GraphPad，TableCurve2D，TableCurve3D等，均需用户提供适当的参数初始值以便计算能够收敛并找到最优解。如果设定的参数初始值不当则计算难以收敛，其结果是无法求得正确结果。而在实际应用当中，对大多数用户来说，给出(猜出)恰当的初始值是件相当困难的事，特别是在参数量较多的情况下，更无异于是场噩梦。而1stOpt凭借其超强的寻优，容错能力，在大多数情况下（大于90%)，从任一随机初始值开始，都能求得正确结果。

论文《Dimensionality Reduction-A Comparative Review》自制课堂用交流ppt，上传以方便同样阅读此论文的朋友阅读理解，全文已译，学习交流考虑所以设置0积分下载，请勿二传。

(完整版)基于MATLAB的快速傅里叶的非线性薛定谔方程.ppt

可化为线性拟合的非线性拟合 有些非线性拟合曲线可以通过适当的变量替换转化为线性曲线，从而用线性拟合进行处理，对于一个实际的曲线拟合问题，一般先按观测值在直角坐标平面上描出散点图，看一看散点的分布同哪类曲线图形接近，然后选用相接近的曲线拟合方程。再通过适当的变量替换转化为线性拟合问题，按线性拟合解出后再还原为原变量所表示的曲线拟合方程。 下表列举了几类经适当变换后化为线性拟合求解的曲线拟合方程及变换关系

针对有界范围内的运动目标进行超视距跟踪时出现的量测不可靠问题，提出一种卡尔曼滤波初值选取方案，对采用三点法求得超出界限的目标初始运动状态进行修正，再将其作为新的滤波初值，这一方法称为投影修正法。对比传统初值确定方法，并结合3种传统非线性卡尔曼滤波算法，分别在目标与观测台的初始距离为600和1000时进行仿真验证。仿真结果显示，与传统方法相比，应用该初值确定方法能在探测距离相对误差为1%，探测角度误差为0.01rad时，明显提高滤波初期收敛速度且滤波精度不下降。此外，研究还发现，在利用投影修正法进行跟踪滤波时，同等条件下选用零值修正，收敛效果更好。

数字图像处理 该程序是使用Swing用J​​ava编写的。 已实现以下算法： 形态运算： 轮廓检测 非线性滤波器： 最小过滤器 最大过滤器 中值过滤器 开启过滤器 关闭过滤器 高斯模糊滤镜 在以下图片中，显示了此过滤器的结果，并且半径大小设置为14。 原始图片 结果图片 锐化蒙版滤镜 结果图片 FILTER PARAMETER: radius = 5 unsharp mask value = 4 坎尼边缘检测器 结果图片 FILTER PARAMETER: low threshold = 100 hight threshold = 120 radius = 2 骨骼化 原始图片 结果图片 自适应中值滤波器 原始图片 结果图片 FILTER PARAMETER: radius min = 0 radius max = 4 双边过滤器 原始图片 结果图片 FILTER P

对偏最小二乘(PLS)回归的基本方法进行了分析研究，提出了基于非线性迭代偏最小二乘(NIPLS)的信息模式识别算法。该算法实现了模式识别中特征提取与分类器设计的有机结合。NIPLS较Fisher判别分析、Bayes判别分析等经典的模式识别算法，具有更强的信息识别能力，且对数据本身的分布要求不高，尤其对于多重共线性资料或解释变量多而样本数量少时更为有效。将该算法应用于土地质量的分类识别，结果表明，该文所建立的算法是有效的、可靠的。

非线性回归是回归函数关于未知回归系数具有非线性结构的回归。常用的处理方法有回归函数的线性迭代法、分段回归法、迭代最小二乘法等。非线性回归分析的主要内容与线性回归分析相似。