离散数理逻辑练习题与答案，很全的哦，一共有两套~

风电是重要的清洁可再生能源,将其引入智能电网中对节能减排有着重要的意义.为降低大规模风电不确定性给电网调度带来的影响,提出一种基于随机模型预测控制的风电与传统机组协调调度方法.考虑了部分传统机组需要人工调度而无法频繁、连续操作的情况,并引入可调负荷以增加系统可调度能力.构建基于混合整数二次规划(MIQP)的风电调度目标函数,以及包括机组最大可调节次数、最小运行/停机时间、可调度负荷总能量需求一致性、风电切负荷比例等约束.提出两阶段场景缩减方法以实现典型场景的快速筛选.通过与传统开环调度方法的性能对比表明所提出方法的可行性与有效性,并在此基础上进一步分析机组启停次数和可调度负荷对系统运行的影响.

MATLAB实现二维离散点的最小二乘法拟合。 最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。

这些函数求解周期性 LQ 状态反馈设计的离散时间周期 Riccati 方程 (DPRE)。 这些函数计算离散时间周期 Riccati 方程的唯一稳定解 X{k} 并返回状态反馈中的增益矩阵 K{k} u{k} = -K{k}x{k}，其中k = 1:P。 m文件“dpre”通过循环QZ或牛顿反向迭代法解决离散时间周期最优控制问题。 这些不是可用的最快方法，但效果很好。 mex 文件“dprex”通过周期性 QR（使用来自 matlab 内部 slicot 库的函数）或复杂的周期性 QC 方法（使用从 pqzschur 库中转换为 c 代码的 fortran 来解决离散时间周期性最优控制问题）。 mex文件的实现要快得多，但是需要编译mex文件，这可以通过运行make_dprex.m来完成。

通过将属性值域划分为区间，数 据离散化技术可以用来减少给定连续属性值的个数。区间的标记可以替代实际的数据值。用少数区间标记替换连续属性的数值，从而减少和简化了 原来的数据。这导致挖掘结果的简洁、易于使用的、知识层面的表示。离散化技术可以根据如何进行离散化加以分类，如根据是否使用类信息或根据进行方向分类。对于给定的数值属性，概念分层定义了该属性的一个离散化。通过收集较高层的概念并用它们替换较低层的概念，概念分层可以用来归约数据。通过这种数据泛化，尽管细节丢失了，但是泛化后的数据更有意义、更容易解释。

实验一 基本信号的产生 一、实验目的 1、学习使用MATLAB产生基本信号； 2、绘制信号波形； 3、实现信号的基本运算。 二、实验原理 1.连续信号的产生 （1）阶跃信号 单位阶跃函数以符号u（t）表示，其定义为 单位阶跃函数又称单位布阶函数目前有三种定义，共同之处是自变量取值大于0时，函数值为1；自变量取值小于0时，函数值为0，不同之处是，自变量为0时函数值各不相同。单位阶跃信号u（t）在t=0处存在间断点，在此点u（t）没有定义。单位阶跃信号也可以以延时任意时刻，以符号u（t-）表示，对应的数学表达式为 应用单位阶跃信号与延时单位阶跃信号，也可以表示任意的矩形脉冲信号。

去噪声代码matlab ShearCuda 该软件包包含ShearCuda，它是2D和3D Shearlet变换的CUDA端口。 如果您使用我们的代码，请引用以下文章： X. Gibert，VM Patel，D。Labate和R. Chellappa。 “ GPU上的离散Shearlet变换及其在异常检测和去噪中的应用。” EURASIP信号处理进展杂志2014（1），1-14。 可在 先决条件 该库基于NVIDIA CUDA和MATLAB。 要使用此库，必须具有支持CUDA的设备。 该开发已在Linux（特别是RHEL 6）中完成，但是代码在Windows和Mac OS X上应该无需更改即可编译。 环境设定 在启动MATLAB之前，需要先设置CUDA环境。 另外，您需要定义CUDA_PATH到安装CUDA的基本路径。 例如，在Linux中启动MATLAB的脚本可能是：依靠CUDA_PATH来确定 export PATH=/opt/common/cuda/cuda-5.0.35/bin:$PATH export LD_LIBRARY_PATH=/opt/common/cuda/cuda

libdwt是用C语言实现的跨平台离散小波变换库。 该库使用提升方案实现快速小波变换算法。 使用了具有4个消失矩的Cohen-Daubechies-Feauveau小波。

函数基础逼近算法，对离散试验数据点的多项式曲线拟合

离散小波变换，在做信号处理 特征提取效果比较明显，供参考学习