采用c++语言编写的误差函数erfc，可以直接调用该函数算不同x值下的误差函数值

为了研究如何根据现代化生产需要，选择合适的高精度测量设备，现用ADCOLE测量仪、圆度仪和三坐标测量机，就曲轴的圆度进行测量，并进行误差来源分析、不确定度计算及比对。比较在测量某一尺寸时，设备间的差异性及原因。探讨如何兼顾技术性与经济性，进行设备的选择。

针对传统的Adaboost 训练算法在训练过程中可能出现训练退化和训练目标类权重分布 过适应的问题，提出一种改进的Adaboost 训练算法． 改进算法通过调整加权误差分布限制目 标类权重的扩张，并且最终分类器输出形式以概率值输出代替传统的离散值输出，提高了训 练结果的检测率． 实验结果表明，改进的Adaboost 算法在Inria 数据集上取得了较好效果．

matlab均方误差的代码平滑支持向量机工具箱 介绍 SSVM工具箱是Matlab中的平滑支持向量机的实现。 SSVM是传统SVM的重新构造，可以通过快速的Newton-Armijo算​​法解决。 此外，选择一个好的参数设置以在学习任务中获得更好的性能是一个重要的问题。 我们还提供自动模型选择工具，以帮助用户获得良好的参数设置。 现在，SSVM工具箱包括用于分类和自动的工具。 主要特征 解决分类（）和回归（）问题 支持线性，多项式和径向基核 提供带有RBF内核的SSVM和SSVR的自动模型选择 通过使用精简内核（RSVM）可以处理大规模问题 提供交叉验证评估 使用正则化最小二乘法提供零以外的替代初始点 下载SSVM工具箱 资料格式 SSVM工具箱是在Matlab中实现的。 使用可以加载到Matlab中的数据格式。 实例由矩阵（实例的行和变量的列）表示，标签（1或-1）或响应由列向量表示。 用于分类 回归 以下是一些样本数据集。 代码用法 SSVM工具箱包含三个主要功能：用于支持向量机训练的ssvm_train，用于支持向量机预测的ssvm_predict和用于自动模型选择的芙蓉。 ss

以新兴的盲均衡技术为理论基础，一些盲均衡算法相继提出。本文以高阶的QAM信号作为输入信号，针对常模算法、多模算法、加权多模算法存在的缺陷，最终引入一种性能优越的加入动量项的加权多模算法。通过计算机的仿真实验首次对这些算法进行依次比较，所得实验结果表明加入动量项的加权多模盲均衡算法在信道均衡上的性能明显优于前面几种算法，它具有更快的收敛速度和更小的稳态误差，因此具有实用价值。

论述了电流互感器的工作原理，建立了电流互感器的数学模型，并利用暂态仿真软件PSCAD/EMTDC对电流互感器的运行特性进行了详细分析，揭示了暂态饱和是电流互感器产生误差的主要原因。基于ADE7758计量芯片的工作原理，建立了电子式电能表的仿真模型，并对某牵引变电站的实测数据进行了计量仿真研究。仿真结果表明，电流互感器的误差导致电能计量产生较大的偏差，此结论与理论分析一致。

武汉大学的试卷，不错的。里面的题目很经典

传统的线激光扫描技术以机器视觉为基础，算法复杂、计算量大，且匹配效率不高；而点激光扫描技术是以激光三角法为基础，算法简洁，但测量慢、点云稀疏。为解决上述问题，提出以激光三角法为基础的线激光扫描技术，根据相机针孔模型以及相机和线激光器的相对位置关系建立物像关系方程，求解场景三维坐标，简化了重建算法。采用以最小二乘法为基础的标定算法，实现了相机与线激光相对位置参数和系统旋转中心偏移参数的标定。同时分析了系统的理论精度，并结合场景重建实验和精度评估实验，对系统的可靠性和精度进行了验证。实验结果表明该系统效率高、精度好；在1000~1700 mm测量范围内该系统的绝对误差小于2.6 mm，精度高于0.25％，满足一般场景重建的要求。

ELK是三个开源软件的缩写，分别表示：Elasticsearch , Logstash, Kibana , 它们都是开源软件。新增了一个FileBeat，它是一个轻量级的日志收集处理工具(Agent)，Filebeat占用资源少，适合于在各个服务器上搜集日志后传输给Logstash，官方也推荐此工具。 Elasticsearch是个开源分布式搜索引擎，提供搜集、分析、存储数据三大功能。它的特点有：分布式，零配置，自动发现，索引自动分片，索引副本机制，restful风格接口，多数据源，自动搜索负载等。

针对一类具有一般形式的严格反馈非线性系统, 提出一种基于预设性能的backstepping 控制器设计方法. 所谓预设性能是指在保证跟踪误差收敛到一个预先设定的任意小的区域的同时, 保证收敛速度及超调量满足预先设定的条件. 首先引入性能函数的概念, 通过误差转化将原始的受限系统转换为等价的非受限系统; 然后基于Lyapunov 理论进行backstepping 控制器的设计, 并进行了稳定性分析; 最后通过仿真实验验证了所提出方法的正确性.