目前，快递行业正蓬勃发展，为我们的生活带来更多方便。送货问题已经成为现在众人研究的问题，在本文中我们制定出三种送货策略，利用MATLAB程序实现费用最低的路线安排和相应费用的计算。

加权极限学习机 针对数据集中存在的样本不均衡情况所提出的 ELM 改进算法

深度加权极限学习机

用于计算有向网络中节点加权后的leaderrank值

一个可以自定义规则的加权平均分/GPA计算器

此代码可以用于实现地理加权回归分析；包括普通的地理加权回归和贝叶斯地理加权回归；包含算法代码和应用实例的代码；

用MATLAB编写，4个基站的基于TDOA的Chan-Taylor混合加权算法定位。最普通的Chan-Taylor算法，将Chan算法计算出来的估计值作为Taylor级数展开法的迭代初始值带入，之后合理设置Chan算法和Taylor级数展开法的加权系数来提高精度。采取循环采样5000次，基站位置，标签节点位置，系统噪声标准差都已经预设置好，可以根据要求自己修改。本代码使用的衡量指标是累积分布函数CDF，也可以自己改成均方误差RMSE。下载后可以直接运行。可以用于TDOA定位算法的改进或者比较或者UWB定位都可以。

初学者可以看一下，在此基础上可以建立优化算法的框架

关于libsvm分类结果的可视化及分类曲线的可视化-加权SVM相关论文.rar 关于libsvvm分类结果的可视化及分类曲线的可视化  by faruto 论坛里曾有多位朋友询问过，有关libsvvm分类结果的可视化及分类曲线的可视化（可能大家感觉这个放在自己的paper里面会比较拉风，个人感觉可视化这些东西真的很虚幻，看着拉风，实则无用）。整体过程我心中明了，但实在是对可视化这种东西的鄙视，所以一直未将关于libsvm分类结果的可视化及分类曲线的可视化的结果实现，并以插件函数的形式放在自己的faruto -libsvm工具箱里面。 本质其实就是用contour来实现。 今天下午把科学社会主义理论 翘掉了【我还记得代课老师说让大家查看一下科学社会主义理论和空想社会主义的区别。囧！】。在宿舍搞了一下。 原本想法是要搞就搞高级一点的，想把对于任意维的测试数据的任意两维（或任意三维）进行可视化，并给出分类超曲面，但最终未果，无法实现。【具体原因我就不说了，深入想过这个的应该会明的。】 【搞的我从下午一直搞到 晚上六点，晚饭都没吃，就直接去上的 《概率论的数学基础》课。囧！】你别看代码就几行。但里面的想法挺巧妙的。。 所以，我在这里要说的是，下面的函数插件 svmplot.m 只对两分类，且属性数据是两维的，给出的分类结果的可视化及分类曲线的可视化才是有意义和准确的。对于不是两分类或属性数据不是两维的，我这个也可以给出个图，但那个的没有实际意义！切记！！切记！！ {近期还想弄的就是专门对于 un-balanced data的处理的函数插件。！} 测试图： 1.jpg 代码：要的直接拿去【拿去在paper里面拉风吧！】。放在libsvm -faruto版本里面就能直接用。function svmplot % svmplot by faruto % 2009.12.03 % Email:patrick.lee@foxmail.com QQ:516667408 if nargin == 3     demension1 = 1;     demension2 = 2; end %% minX = min); maxX = max); minY = min); maxY = max); gridX = ./ 100; gridY = ./ 100; minX = minX - 10 * gridX; maxX = maxX 10 * gridX; minY = minY - 10 * gridY; maxY = maxY 10 * gridY; [bigX, bigY] = meshgrid; %% model.Parameters = 3; ntest=size * size; test_dataset=[reshape, reshape]; test_label = zeros, 1); [Z, acc] = svmpredict; bigZ = reshape, size); %% clf; hold on; grid on; ispos = ); pos = find; neg = find; h1 = plot, dataset, 'r '); h2 = plot, dataset, 'g*'); h3 = plot,model.SVs,'o' ); legend; [C,h] = contour; clabel; xlabel; ylabel; title; 复制代码代码的有一个小trick是参照了svmtoy的思路。 原本我也有思路，但这个更简便。

针对矿区道路变形，如道路塌陷，道路隆起，路面裂缝等，对车辆通行造成的重大影响，提出了一种基于三维激光扫描的矿区道路沉陷监测方法；首先，通过三维激光扫描仪获取路面点云数据，然后利用插值得到各期DEM数据，变形后的DEM数据与原始DEM数据相减得到下沉量，最后使用反距离加权法对下沉数据栅格化处理得到道路下沉模型，利用下沉信息进而提取道路倾斜、曲率等变形信息。使用该方法在五沟煤矿附近S203省道进行实验，得到的结果与实测水准数据吻合，验证了该方法在道路沉陷监测上的可行性。