地理加权回归分析PPT

Matlab计算机程序实现加权马尔可夫链预测太阳黑子数，陈楚，马英钧，首先根据太阳黑子的周期约为11年，利用最优分割算法将1900-2010年太阳黑子数划分为6个等级，以12年作为步长，建立加权马尔可夫链预测�

针对目前多传感器数据融合过程中传感器对某一状态量测量时精度较低的问题，提出了基于最小二乘原理的多传感器加权数据融合算法。该方法利用最小二乘原理和方差的遗忘信息,通过均方误差比较，计算出各个传感器的权重之后进行加权融合。该算法既考虑了历时信息的作用,又考虑了环境噪声和新采样值的影响，增强了对环境监测的敏感性。相比同类融合方法，该方法具有较高的精度，最后仿真结果也直观地说明了该方法的有效性。

此软件版本包含论文中描述的算法的实现： BK Shreyamsha Kumar，“使用交叉双边滤波器基于像素重要性的图像融合”，信号、图像和视频处理，第 1-12 页，2013 年。(doi:10.1007/s11760-013-0556-9) 使用从使用交叉双边滤波器从源图像中提取的细节图像计算出的权重（边缘强度），通过加权平均融合源图像。 从下载原始手稿 http://link.springer.com/article/10.1007/s11760-013-0556-9 或者 http://dx.doi.org/10.1007/s11760-013-0556-9 从出版物链接中的https://sites.google.com/view/shreyamsha下载手稿草稿。

matlab开发-加权和加权线性。对不同标准差的数据点进行加权拟合。

利用d3.js实现画等值线图、等值云图、等值云图的demo，浏览器直接运行即可，其中通过反距离加权法（IDW）先进性插值，后面再通过conrec.js这个工具类将等值线图所需的数据生成出来，之后再通过d3.js将等值线图、等值云图、等值云图画出来，同时还包含图例。

老外写的GWR代码，挺规范的，共享给大家学习。关于地理加权回归模型的知识，具体可参见https://blog.csdn.net/allenlu2008/article/details/69935417，虾神，ESRI中国的大佬。感觉用arcgis操作更方面一些。

该代码利用matlab实现了地理加权回归的代码，内附实际算例。

加权平均往返时间 TCP 保留了 RTT 的一个加权平均往返时间 RTTS（这又称为平滑的往返时间）。 第一次测量到 RTT 样本时，RTTS 值就取为所测量到的 RTT 样本值。以后每测量到一个新的 RTT 样本，就按下式重新计算一次 RTTS： 新的 RTTS  (1  )  (旧的 RTTS)    (新的 RTT 样本) (5-4) 式中，0    1。若  很接近于零，表示 RTT 值更新较慢。若选择  接近于 1，则表示 RTT 值更新较快。 RFC 2988 推荐的  值为 1/8，即 0.125。

移动窗口填补时间序列缺失值（imputeTS的matlab版本），包括简单移动平均值的简单缺失值插补； 线性加权移动平均值的线性缺失值插补； 指数加权移动平均值的指数缺失值插补