研究了智能鱼雷控制系统多通道控制算法的实现和设计问题。为使自适应控制理论在鱼雷制导控制系统中实现最佳控制效果和性能，设计了并联参考模型自适应鱼雷制导控制系统。自适应控制理论能准确实时调整控制加权系数，实现系统自身性能与外界信息的匹配和沟通，达到最佳性能，并有效应用于智能鱼雷的控制平台中。提出了一种基于自适应控制理论的鱼雷制导控制多通道加权算法，根据自适应多通道加权控制律，确定误差补偿器，使系统的稳态误差限定在较小范围内；推导出控制系统的状态方程，选取等效控制律参考模型设计自适应控制算法，并完成控制系统的硬

使用加权均值偏移的线段检测

针对大规模数据的加权Voronoi图实现的复杂性和计算精度低问题, 采用欧氏距离法, 设计和实现了一种基于MapReduce编程模型的并行栅格加权Voronoi图的生成算法, 并将其成功应用于石家庄桥东区超市的推荐服务。该算法计算精度高, 同时可适用于任意点、线、面及复合发生元的加权Voronoi图的计算。实验结果表明, 算法在处理大规模栅格数据时能明显提高栅格Voronoi图的生成速度, 并能为用户推荐综合因素优选的超市。

大学生期末考试成绩加权计算，高数，英语，选修通识课，各学科成绩即可

基于加权1范数的稀疏重构波达方向估计算法

matlab中存档算法代码 加权模块化LPAwbPLUS 提出了两种在双向网络中寻找模块化的算法：LPAwb +和DIRTLPAwb +。 这些基于Liu＆Murata，2010年的LPAb +算法，可用于二方/双模网络。 对该算法进行了修改，以便可以找到网络的加权模块化（请注意，如果网络是二进制的，则结果与LPAb +算法得出的结果相同）。 目前，代码可用于Julia，MATLAB / Octave和R语言。 有关方法的详细信息，请（在“ paper”目录中），或在Beckett，2016年。 用法 代码中包含特定于语言的说明。 以您喜欢的语言来获取相关代码； 然后跑 LPA_wb_plus (MATRIX) # find labels and weighted modularity using LPAwb+ 其中，MATRIX是描述输入网络的入射/邻接矩阵。 返回三个输出： redlabels输入矩阵中每一行的模块标签， bluelabels输入矩阵中每一行的模块标签， Q模块化得分。 还提供了用于绘制模块化结构的代码。 请查看相关代码文件夹中的REAME文件，以了解有关使用LPA

点、线、面加权Voronoi图生成源码

使用信号处理，特征提取，模式识别，亲测可用

matlab开发-每日数据中的容量加权平均价格。从谷歌金融的每日数据中检索vwap

以下步骤介绍了使用WLS进行图像融合的算法： （1）在我们的算法中，第一步是基于各向异性扩散（ANI）的两尺度分解，该分解用于在每次输入曝光时将较粗糙的细节（基础层）和较精细的细节（细节层）分开。 （2）弱纹理细节（即从ANI计算得出的细节层）和饱和度度量用于生成权重蒙版，以控制来自所有所有多次曝光中分离的基础层的像素的贡献。 （3）分别对第一步中计算的较粗细节和较细细节分别执行基于加权最小二乘（WLS）和基于Sigmoid函数的权重图细化。 （4）执行基于加权平均的较粗细节和较细细节的混合，以形成合成的无缝图像，而不会在大的不连续点附近模糊或丢失细节。