本文介绍功率因数校正(PFC)的simulink仿真实现，并用PID控制器将功率因数调整为近似1。最后将控制器离散化，用C语言的形式编写代码实现PID控制simulink中的模型实现同样的效果。（仅作为学习参考作用，若有不足请指出讨论。） 博客地址：https://blog.csdn.net/qq_39400324/article/details/123210674

这是CAIM算法的实现。 仅提供一种功能。 任何更正或改进，请告诉我。 更正....****

4.6离散化线性系统保持能控性和能观测性的条件 设连续时间线性时不变系统 对应的时间离散化系统 其中G=eAT H= A的特征值 结论12 如果连续系统（A、B、C）不能控（不能观测），则对任意采样周期T离散化后的系统（G、H、C）也是不能控（不能观测）的。 证明 用反证法 设连续系统不能控，而对于某采样T离散化后的系统却是能控的。则 rank[H、GH、G2H、…Gn-1H]=n 1/3,27/45

对于numeric类型的数据，基本贝叶斯分类算法并不能直接应用。对于需要分类的数据，首先按照信息熵进行离散化后。之后对于处理过后的数据，使用基本贝叶斯分类算法进行训练和分类。

从数据库中提取知识的任务通常由机器学习算法执行。 多数的这些算法只能应用于由离散数字或名义属性（特征）描述的数据。 在连续属性的情况下，需要一种将连续属性转换为离散属性的离散化算法。 此代码基于论文：“CAIM Discretization Algorithm”，详细信息可查找该论文[1]。 你可以从“ControlCenter.m”开始，在这里你会找到一个简单的例子，并附有说明。 如果有任何问题，请告诉我。 我会尽快回复你。 [1] Kurgan, L. 和 Cios, KJ，2004 年。CAIM 离散化算法。 IEEE 知识与数据工程汇刊，16(2):145-153

分数傅里叶变换是传统傅里叶变换的发展和推广,在信息处理中有非常广泛的应用。文章对已发展的四种分数傅里叶变换离散化算法进行了系统的归纳和总结,重点比较了几种算法的优缺点,指出了适用范围,并对其中三种主要方法给出了计算机模拟结果;在此基础上,用解啁秋法对 chirp信号进行了检测和滤波,并给出了仿真结果。

本文涉及分数阶微分器和积分器的离散化，这是分数阶控制器数字化实现的基础。 首先，将参数化的Al-Alaoui变换表示为具有一个可变参数的一般生成函数，可以对其进行调整以获得常用的生成函数（例如Euler运算符，Tustin运算符和Al-Alaoui运算符）。 然而，以下仿真结果表明，对于不同的分数阶，最优变量参数是不同的。 然后，将关于幅度和相位的加权平方积分指标定义为目标函数，以实现针对不同分数阶的最佳可变参数。 最后，仿真结果表明，不同分数阶微分和积分算子的最优变量参数存在较大差异，在数字分数阶控制器的设计中应引起更多关注。

离散化算法在数据挖掘和知识发现中发挥了重要作用。 它们不仅能对连续属性进行简明的总结，帮助专家更轻松地理解数据，还能让学习更准确、更快。 我们实现的 CACC 算法是基于论文 [1]。 至于代码，可以先打开“ControlCenter.m”，这里有一个简单的例子，还有一个酵母数据库。 此文件中也包含说明。 如果有任何问题，请告诉我，我会尽快帮助您。 [1]Cheng-Jung Tsai、Chien-I Lee、Wei-Pang Yang：一种基于类-属性权变系数的离散化算法。 信息科学178(3): 714-731 (2008)

无刷直流电机自抗扰控制，外环转速环自抗扰，内环转矩环自抗扰。

朴素贝叶斯 数据挖掘的第一个任务。 实施朴素贝叶斯，使用基于熵的离散化预处理数据，并使用 10 倍交叉验证进行验证。