给定数字 NUM，该函数在向量 VEC 中找到最接近 NUM 的值。 只在向量区间内搜索，且向量必须是非单调递减的。 适用于最近的经度/纬度搜索等。

基于matlab对三维点云的法向量进行求取，并进行朝向统一。

Gordan引理的几何意义：不存在向量 使得 在几何上表示向量 的某一非负线性组合为零向量。例如，在左下图中，取 ，可使 右下图中，则找不到不全为零的非负数 使得 。 ；在

对收集到测井数据进行去除异常值、插值、标准化、独热编码等数据预处理，分别得到预测储层物性的回归数据及识别储层含油气性的分类数据。 为了预测储层物性孔隙度，本文构建了SVM支持向量机回归模型，并对该网络的BoxConstraint和KernelScale等关键指标进行超参数调整。基于上述模型，采用留一法交叉验证将单个井作为测试集，其余不包含该井的测井数据作为训练集，以此来分析单个井的孔隙度预测结果。 对影响因素数据（除去取值深度）进行主成分分析（PCA），将第一主成分和第二主成分作为SVM支持向量机模型的输入向量序列，以六类流体性质（含油水层、差油层、干层、水层、油层及油水同层）作为标签形成输出向量序列。由于典型的SVM支持向量机只能处理二分类问题，因此本文分别构建了六个SVM分类器。并且利用混淆矩阵、ROC曲线及AUC面积来衡量以上分类模型的性能。 适用方向：统计学及机器学习算法（SVM）的实例应用 关键词：SVM支持向量机；留一法交叉验证；主成分分析；matlab

此函数基于 Gabriel Ruiz Martinez 的 UTMIP.m 函数，但它不提供 GUI，而是使用坐标向量。 [纬度，经度] = utm2deg(x,y,utmzone) % 示例 1： % x=[ 458731; 407653； 239027； 230253； 343898； 362850]; % y=[4462881; 5126290； 4163083； 3171843； 4302285； 2772478]； % utmzone=['30 T'; '32吨'; '11 S'; '28 R'; '15 秒'; '51 R']; % [纬度, 经度]=utm2deg(x,y,utmzone); % fprintf('.6f',lat) @.315430 46.283902 37.577834 28.645647 38.855552 25.061780 % fp

三、SVM的C语言编程介绍 1.求解SVM的两个开源开发包： Libsvm: http://www.csie.ntu.edu.tw/~cjlin SVM-light：http://ais.gmd.de/~thorsten/svm_light : : ... 2. 利用SVM的C语言程序直接进行分类器的训练和测试： 例： 1 1:67 2:66 3:72 4:72 5:59 6:71 7:54 8:67 9:79 -1 1:101 2:108 3:100 4:99 5:102 6:95 7:93 8:96 9:89

支持向量机使用不同基函数对分类结果的影响； 附带高质量数据集，可以重复使用，修改测试代码； 加深对于支持向量机的理解和应用； 适合机器学习初学者，巩固基础知识，强化基础理论的学习和应用。

集成电路测试（IC测试）主要的目的是将合格的芯片与不合格的芯片区分开，保证产品的质量与可靠性。随着集成电路的飞速发展，其规模越来越大，对电路的质量与可靠性要求进一步提高，集成电路的测试方法也变得越来越困难。因此，研究和发展IC测试，有着重要的意义。而测试向量作为IC测试中的重要部分，研究其生成方法也日渐重要。 　　1 IC 测试 　　1.1 IC测试原理 　　IC 测试是指依据被测器件（DUT）特点和功能，给DUT提供测试激励（X），通过测量DUT输出响应（Y）与期望输出做比较，从而判断DUT是否符合格。图1所示为IC测试的基本原理模型。 　　根据器件类型，IC测试可以分为数字电路测试

函数 [stlmat,index] = 茎叶（数组，x） 使用 x 定义的 bin 边缘创建数组的茎叶图并返回稀疏矩阵： stlmat 和 index 包含数组中的值及其索引（分别） stlmat 以列格式包含数组中的完整值，允许使用数据上的其他函数，例如 SUM 或 LENGTH。 % ％ 例子： % % t = rand(10,1) % bins = [-1 0 0.1 0.3 0.8 1.1 1.3]' % [ab] = 茎叶 (t,bins); % 满 (a) % ％ 将返回t = 0.0185 0.2311 0.4447 0.4565 0.4860 0.6068 0.7621 0.8214 0.8913 0.9501 垃圾箱 = -1.0000 0 0.5000 1.1000 1.3000 % 命令 FULL(a) 然后给出： >> 全(一) 答案 = 0 0.018

遗传算法优化SVM分类 程序完整 亲测可用！