bvwkl的博客

《无人驾驶车辆 模型预测控制》随书Carsim和MATLAB代码。本书主要介绍模型预测控制理论与方法在无人驾驶车辆路径规划与跟踪控制方面的基础应用技术。由于模型预测控制理论数学抽象特点明显，初涉者往往需要较长时间的探索才能真正理解和掌握，进一步应用到具体研究，则需要更长的过程。本书详细介绍了应用模型预测控制理论进行无人驾驶车辆控制的基础方法，结合路径规划与跟踪实例给出了Matlab仿真代码和详细仿真步骤，并且融入了研究团队在本领域的研究成果。

《无人驾驶车辆模型预测控制 [龚建伟，姜岩，徐威著]》，带有目录，查看方便。 本书主要介绍模型预测控制理论与方法在无人驾驶车辆运动规划与跟踪控制中的应用。由于模型预测控制理论数学抽象特点明显，初涉者往往需要较长时间的探索才能真正理解和掌握，而进一步应用到具体研究，则需要更长的过程。本书详细介绍了应用模型预测控制理论进行无人驾驶车辆控制的基础方法，结合运动规划与跟踪实例详细说明了预测模型建立、方法优化、约束处理和反馈校正的方法，给出了Matlab仿真代码和详细图解仿真步骤。所有代码都详细提供了详尽的注解，并且融入了研究团队在本领域的研究成果。, 本书可以作为地面无人车辆、空中无人机、无人艇及移动机器人等无人车辆模型预测控制的研究参考资料，同时也可以作为学习模型预测控制理论的应用教材。

Java从入门到精通（项目案例版）【代码源文件】本书的全部实例代码

数学建模算法与应用，带有书籍和配套的程序，是参加数学建模必要的资源

一款查重软件，带有操作说明，可用于论文的查重，可产生详细的查重报告，写文章必要的软件

《滑模变结构控制MATLAB仿真（刘金锟）》本书的电子版和全部代码，可运行

《机器学习与数据科学 基于R的统计学习方法 中文[美]Daniel D. Gutierrez》 本书的全部代码，可运行

从业者使用的工具是决定他的工作能否成功的重要因素之一。本书为数据科学家提供了一些在统计学习领域会用到的工具和技巧，为他们在数据科学领域的长期职业生涯提供了所需的一套基本工具。针对处理重要的数据科学问题的高级技能，本书也给出了学习的建议。本书包括以下内容：机器学习概述 监督机器学习数据连接 非监督机器学习数据处理 模型评估探索性数据分析本书选用R统计环境。R在全世界范围内应用越来越广泛，很多数据科学家只使用R就能进行项目工作。本书的所有代码示例都是用R语言写的。除此之外，书中还使用了很多流行的R包和数据集。 内容提要 当前，机器学习和数据科学都是很重要和热门的相关学科，需要深入地研究学习才能精通。本书试图指导读者掌握如何完成涉及机器学习的数据科学项目。本书将为数据科学家提供一些在统计学习领域会用到的工具和技巧，涉及数据连接、数据处理、探索性数据分析、监督机器学习、非监督机器学习和模型评估。本书选用的是R统计环境，书中所有代码示例都是用R语言编写的，涉及众多流行的R包和数据集。本书适合数据科学家、数据分析师、软件开发者以及需要了解数据科学和机器学习方法的科研人员阅读参考。 目录 章　机器学习综述1 1.1　机器学习的分类　2 1.2　机器学习 的实际案例　3 1.2.1　预测回头客挑战赛　4 1.2.2　Netflix公司　5 1.2.3　算法交易挑战赛　6 1.2.4　Heritage健康奖　7 1.3　机器学习的过程　10 1.4　机器学习背后的数学　15 1.5　成为一名数据科学家　16 1.6　统计计算的R工程　18 1.7　RStudio　19 1.8　使用R包　20 1.9　数据集　22 1.10　在生产中使用R　23 1.11　小结　24 第2章　连接数据　25 2.1　管理你的工作目录　27 2.2　数据文件的种类　28 2.3　数据的来源　28 2.4　从网络中下载数据集　29 2.5　读取CSV文件　31 2.6　读取Excel文件　33 2.7　使用文件连接　34 2.8　读取JSON文件　35 2.9　从网站中抓取数据　36 2.10　SQL数据库　38 2.11　R中的SQL等价表述　42 2.12　读取Twitter数据　46 2.13　从谷歌分析中读取数据　48 2.14　写数据　51 2.15　小结　53 第3章　数据处理　54 3.1　特征工程　57 3.2　数据管道　59 3.3　数据采样　60 3.4　修正变量名　60 3.5　创建新变量　62 3.6　数值离散化　63 3.7　日期处理　65 3.8　将类变量二值化　67 3.9　合并数据集　68 3.10　排列数据集　70 3.11　重塑数据集　71 3.12　使用dplyr进行数据操作　72 3.13　处理缺失数据　75 3.14　特征缩放　77 3.15　降维　78 3.16　小结　81 第4章　探索性数据分析　83 4.1　数据统计　84 4.2　探索性可视化　87 4.3　直方图　88 4.4　箱形图　89 4.5　条形图　92 4.6　密度图　93 4.7　散点图　95 4.8　图　101 4.9　热图　102 4.10　缺失值的图表　103 4.11　解释性图表　104 4.12　小结　106 第5章　回归　107 5.1　一元线性回归　108 5.2　多元线性回归　120 5.3　多项式回归　127 5.4　小结　134 第6章　分类　136 6.1　一个简单的例子　137 6.2　逻辑回归　139 6.3　分类树　143 6.4　朴素贝叶斯　147 6.5　K-近邻　151 6.6　支持向量机　155 6.7　神经网络　159 6.8　集成　165 6.9　森林　168 6.10　梯度提升机　171 6.11　小结　174 第7章　评估模型性能　176 7.1　过拟合　177 7.2　偏差和方差　183 7.3　干扰因子　187 7.4　数据泄漏　188 7.5　测定回归性能　190 7.6　测定分类性能　194 7.7　交叉验证　197 7.8　其他机器学习诊断法　204 7.8.1　获取更多的训练观测数据　205 7.8.2　特征降维　205 7.8.3　添加新特征　205 7.8.4　添加多项式特征　206 7.8.5　对正则化参数进行微调　206 7.9　小结　206 第8章　非监督学习　208 8.1　聚类　209 8.2　模拟聚类　211 8.3　分级聚类　212 8.4　K-均值聚类　219 8.5　主成分分析　224 8.6　小结　233 术语表　234 Daniel D. Gutierrez是一位在职的数据科学家，就职于加州Santa Monica的咨询公司AMULET Analytics。为了紧跟行业的潮流，Daniel也是insideBIGDATA.的执行编辑。同时，他也是一位教师，为大学和大型公司开设了数据科学、机器学习和R方面的课程。Deniel本科毕业于UCLA,专业是数学和计算机科学。

自抗扰控制技术 估计补偿不确定因素的控制技术matlab代码

自抗扰控制技术 估计补偿不确定因素的控制技术 韩京清编著的书籍

学习模型预测控制很好的一本书，书里面有程序，学起来很方便