该做作品由南信大11级硕D316集体于2011.12.21凌晨2:40完成，为尊重我们的劳动成果，请遵守如下条例： 1.下载后能给予鼓励性评价。 2.作为样本同时也为保持作品的多样性，本文只提供了第一步的划分结果，并给出了相应的图片和参数，后续划分请参考第一步划分。 最后，316宿舍祝大家期末考试顺利，预祝大家新年愉快！

模型评价：回归模型的常用评价指标 1） 样本误差：衡量模型在一个样本上的预测准确性         样本误差 = 样本预测值 – 样本实际值 2） 最常用的评价指标：均误差方（MSE）         指标解释：所有样本的样本误差的平方的均值         指标解读：均误差方越接近0，模型越准确 3） 较为好解释的评价指标：平均绝对误差（MAE）         指标解释：所有样本的样本误差的绝对值的均值         指标解读：平均绝对误差的单位与因变量单位一致，越接近0，模型越准确 4）平均绝对误差的衍生指标：平均绝对比例误差（MAPE）         指标解释：所有样本的样本误差的

消除无线定位ＮＬＯＳ误差，相关论文，个人觉得很有用

基于MATLAB的圆度误差精确评定.内有程序和评定方法分析。

TDOA定位中到达时间及时间差误差的统计模

R语言ggplot绘图的综合简单应用，绘制分组数据误差线图，对于初学R语言者使用功能强大的ggplot包有较大帮助。

空气质量指数(Air Quality Index, AQI)预测可以为人们日常生产活动以及空气污染治理工作提供指导. 针对空气质量指数预测模型受离群点影响较大的问题, 利用孤立森林算法对空气质量数据集进行离群点分析, 采用离群鲁棒极限学习机模型(ORELM)对空气质量指数进行预测, 并构建误差修正模块对模型预测误差进行修正. 最后, 以北京市空气质量数据作为研究对象, 分别利用ORELM模型以及极限学习机(ELM)模型进行预测, 并对ORELM模型预测结果进行误差修正. 实验结果表明: 离群鲁棒极限学习机对离群点数据集泛化性能更强, 误差修正模块能有效提高模型的预测精度.

在蜂窝网无线定位中,到达时间(TOA)或到达时间差(TDOA)中的非视距(NLOS)误差会导致移动台的位置估计出现较大偏差。为了减轻NLOS误差的影响,提出了一种基于扩展卡尔曼滤波(EKF)的非视距误差消除算法。算法通过引入一个NLOS转换因子改进EKF的迭代过程,消除NLOS误差对定位估计的影响。计算机仿真结果表明,在NLOS环境下定位精度的提高是显著的。

6 4 12 Ⅲ型误差放大器电路、传递函数和零点、极点位置pdf,6 4 12 Ⅲ型误差放大器电路、传递函数和零点、极点位置.pdf

一种基于误差四元数的战术导弹垂直发射姿态调转控制器（程序及代码）