matlab代码粒子群算法鲁棒粒子群优化RPSO 这是国防科学技术大学数学与系统科学系的博士生罗强写的一种用于RPSO的简单Matlab算法。 它对任何学术用户都是免费的，但是请注意，不能保证没有错误。 热烈欢迎对这种算法的理论或应用进行任何讨论。 如果您使用此代码，请引用以下文章： 罗强东怡鲁棒粒子群优化的共同发展框架。 应用数学与计算，2008，199（2）：611-622。 如何使用？ 核心算法在PSOed200.m中编码，从而最大程度地减少了给定的目标函数。 在此程序中已开发了四个算法（SPSO，LPSO，FPSP，RPSO），可以通过指定不同的AlgPara来调用。 myFun.m中已实现了许多目标功能。 如果要在程序中包含自己的目标函数，请简单地尝试将函数的代码添加到myFun.m中，作为“开关”的另一个“例”。 主要算法在runPSO.m中，其中显示了如何调用PSOed200的函数。 只需使用不同的参数调用PSOed200.m。 对应的电子邮件：

空气质量指数(Air Quality Index, AQI)预测可以为人们日常生产活动以及空气污染治理工作提供指导. 针对空气质量指数预测模型受离群点影响较大的问题, 利用孤立森林算法对空气质量数据集进行离群点分析, 采用离群鲁棒极限学习机模型(ORELM)对空气质量指数进行预测, 并构建误差修正模块对模型预测误差进行修正. 最后, 以北京市空气质量数据作为研究对象, 分别利用ORELM模型以及极限学习机(ELM)模型进行预测, 并对ORELM模型预测结果进行误差修正. 实验结果表明: 离群鲁棒极限学习机对离群点数据集泛化性能更强, 误差修正模块能有效提高模型的预测精度.

rrcf :evergreen_tree: :evergreen_tree: :evergreen_tree: 用于异常检测的鲁棒随机砍伐森林算法的实现 。 S.Guha，N.Mishra，G.Roy和O.Schrijvers，基于流的鲁棒随机采伐森林异常检测，在2016年第33届国际机器学习国际会议论文集（纽约，纽约，第2712-2721页） ）。 关于 鲁棒随机砍伐森林（RRCF）算法是一种用于检测流数据中异常值的集成方法。 RRCF提供了许多竞争性异常检测算法所缺乏的许多功能。 具体而言，RRCF： 设计用于处理流数据。 在高维数据上表现良好。 减少不相关尺寸的影响。 优雅地处理可能会掩盖异常值的重复项和几乎重复项。 具有异常评分算法，具有清晰的基本统计含义。 该存储库提供了RRCF算法及其核心数据结构的开源实现，目的是促进实验并实现RRCF算法的未来扩展。 文献资料 在阅读文档 。 安装 使用pip通过pypi安装rrcf ： $ pip i

图像矩阵matlab代码生成矩阵使用generate_matrix.m文件生成指定大小和特定等级的随机矩阵 命令- generate_matrix(25344, 200, 1); 在这里25344对应于图像大小（144 x 176），而200对应于视频中的帧数。请注意，第一个尺寸应大于generate_matrix（）中的第二个尺寸，这样我们的算法才能起作用。 （25344> 200） 此命令将生成一个200A.dat文件，该文件将用作我们的RPCA算法的输入 使用MATLAB使用ADMM运行RPCA在MATLAB中，使用admm_example.m文件运行RPCA的ADMM。 提供在上一步中生成的矩阵作为输入。 命令- admm_example('200A.dat'); 该命令将运行admm并将输出矩阵写入三个不同的文件，例如boyd_X1.dat等。 使用ADMM使用CUDA运行RPCA对于CUDA代码，请使用脚本compile_and_run.sh编译代码并运行文件。 提供输入矩阵作为此脚本的参数。 命令- ./compile_and_run.sh 200A.dat 此命令将运行

matlab矩形序列代码使用管的鲁棒模型预测控制 该存储库包含管模型预测控制（tube-MPC）[1]以及用MATLAB编写的通用模型预测控制（MPC）的示例。 要求 Optimization_Toolbox（matlab） control_toolbox（matlab） 多参数工具箱3（开源，可从以下网址免费获得） 反馈，错误报告，贡献 如果您觉得此软件包有帮助，给此存储库加一个“星号”将对我来说是一个愉快的反馈！ 如果您发现错误，或者对试管MPC有更广泛的疑问，请在中发布。 我将尽力通过电子邮件回答问题，但我强烈建议在问题页面上这样做。 对我而言，保持自己的步调容易得多。 用法 对于tube-MPC和通用MPC，请分别参见example/example_tubeMPC.m和example/example_MPC.m 。 注意，这里的每个不等式约束都表示为凸集。 例如，状态Xc的约束条件指定为矩形，该矩形由4个顶点构成。 当考虑一维输入Uc ， Uc将由最小值和最大值（即u∊[u_min, u_max] ）指定，因此将由2个顶点构造。 有关更多详细信息，请参见示例代码。 管MPC的简

提出了一种鲁棒化的基于变分贝叶斯的自适应卡尔曼滤波算法.该算法采用具有重尾特性的学生分布取代高斯分布来描述量测模型，减弱系统对于野值的敏感性；再利用变分贝叶斯方法对修正后的模型的时变参数进行逼近推断，在递推地估计状态的同时还能对变化的噪声方差进行跟踪，并更新引入的自由度参数，从而在自适应滤波的同时增强了鲁棒性.仿真实验证明了在野值存在且噪声变化的观测下该算法的自适应与鲁棒性.

基于鲁棒判别式约束的字典学习算法研究.docx

FIM 使用Fisher信息矩阵评估模型的鲁棒性

鲁棒控制工具箱提供了一系列的函数和工具以支持带有不确定元素的多输入多输出控制系统的设计。在该工具箱的帮助下，你可以建立带有不确定参数和动态特性的LTI模型，也可以分析MIMO系统的稳定性裕度和最坏情况下的性能。 该工具箱提供了一系列的控制器分析和综合函数，能够分析最坏情况下的性能及确定最坏情况下的参数值。利用模型降阶函数能够对复杂模型进行简化。同时提供了先进的鲁棒控制方法，如H2、H∞、LMI、μ分析等。

一个利用ransac算法进行直线拟合的程序；一个通用的ransac算法框架；利用后者进行homography单应矩阵估计的示例程序