四、数据建模的动态加权方法 注意: 问题对于每一个属性而言，既有不同类别的差异，同类别的又有不同量值的差异。 对于既有“质差”，又有“量差”的问题，合理有效的方法是动态加权综合评价方法。 1. 动态加权问题的一般提法

意见集中加权Borda数方法的哈希迭代算法，付尚朴，，为了在评优排序决策中解决如何用计算机从多个排序结果得出综合排序结果，需研究设计意见集中的加权Borda数排序算法。从手工Borda数��

本代码已经过调试能够运行，每行代码且有注释，根据某城市的空气污染为案列进行动态加权综合评价模型。最后经过Borda数进行排序。

行业分类-设备装置-基于定积分结合环境参数的RSSI加权质心定位方法.zip

该算法首先通过噪声检测确 定图像中的噪声点，然后根据窗口内噪声点的个数自适应地调整滤波窗口的尺寸，再根据相似度大小，巧妙地将滤波窗口内各个 像素点按一定的规律自适应地分组并赋予每组像素点相应的权重，最后采用加权中值滤波算法对检测出的噪声点进行滤波处理。 计算机模拟实验结果表明：该算法既能有效地滤除噪声，又能较好地保护图像细节，滤波性能比传统中值滤波算法更理想

iBeacon 基于RSSI的加权定位算法

上周讲专题时做的ppt

拉曼光谱分析技术具有快速响应、非接触、检测限制小、灵敏度高的优点，广泛应用于生产生活的众多领域。然而实际测得的原始拉曼光谱总会有不同程度的基线漂移，严重影响光谱分析的有效性和准确性。针对现有基线校正方法容易造成估计基线偏低、校正后光谱抬升的问题，提出了一种基于局部对称重加权惩罚最小二乘（LSRPLS）的基线校正算法，该算法在非对称惩罚最小二乘的基础上，使用softsign函数引入局部对称加权的思想，对光谱中无谱峰的基线区域赋予相近的权重，并通过迭代调整估计基线的权重。在模拟和实际拉曼光谱上分别进行了验证。实验结果表明：LSRPLS基线校正算法不仅能对不同类型的光谱基线进行校正，而且与现有的基线校正方法相比，具有更高的准确度和稳定性。基线校正后的光谱在主成分空间上的聚集度得到提升，模型的分类准确性明显提高，说明LSRPLS算法在去除基线的同时，能够保留光谱的有效信息，为拉曼光谱的进一步分析提供了依据。

MATLAB-GWR-地理加权回归模型-代码,可以用的，有需要的可以试试

nmf的matlab代码元帕拉帕克 加权正交非负（WON）并行因子分析（PARAFAC） WON-PARAFAC是并行因子分析（PARAFAC）的一种变体，即张量因子分解方法。 WON-PARAFAC对标准PARAFAC施加以下三个约束： 加权方案 用于多种数据类型的均衡集成 正交约束 减少一个因素之间的重叠（最初在基因模式下使用）。 这也引入了模式上的额外稀疏性。 非负性 诱导稀疏和基于零件的表示。 实现/依赖 就像在最初的NMF实现中一样，使用了一个乘法更新规则来推导该算法。 该代码要求，注册后可免费用于非商业用途。 为了运行代码，使用MATLAB中的addpath命令，tenstor toobox必须在路径环境中可用。 演示代码和数据 您可以加载演示数据，其中包含在中产生的泛癌多组学数据。 您可以通过以下方式加载数据： load Demo.mat 该命令将加载一个3向张量varialbe X （由935个细胞系和5种数据类型组成的1815基因）。 请注意，这5种数据类型对应于以下内容： 正基因表达水平（非负连续； GE（+）） 负基因表达水平的绝对值（非负连续； GE（-）） 突