初探博客园

  一本《构建之法》促使一大帮人申请了这个博客,还有人问“为什么不是新浪博客”。

  这种技术型博客看过很多,最多还属月光博客,对IT的介绍甚是丰富。下午再次登上博客看到几个关注我的朋友,算是个小小的朋友圈吧,那就更新一下我的简介。

个人简介:

  今晚被段老师的一番话提醒,觉得上次对博客上的这个自我介绍太轻视了,故重新写过,以下大括号内仍然保留之前的蔑视介绍

  个人简介那些在我的博客主页就可以看到了,这里不做赘述,既然是IT类博客,就讲一讲我的IT简介吧:我是步入大学才开始接触的编程,那是所有理科学生都有的课程——C语言。我是大一下学期才有的电脑,所以大一上学期的C语言除了机房课瞎子摸象地敲了几个if...else...和for循环以外,对IT知之甚少,那个时候自身的意愿也不是IT,觉得什么都去尝试,迷茫。大一下临近期末,外面一个学长的关系,接触了个购物网站后台,那个时候有门叫html,初步认识到网页,当时以为自己能够运用html改动网站的后台,让这个购物网站运营下去,现在想想也是可笑,根本就是牛头不对马嘴的事情。于是我在那失败了,学长对我的期望也破灭了。那段时间同期进行的另一件事是东方锐志的人找到了我,想拉我进入她们机构进行IT培训,当然,那时候的我根本无心在IT,她们的奸计也没得逞。但两件事加起来却激发了我开发IT的想法。

  于是定了计划开始学java,因为刚好大二的课程就是java,我有三个学期都是在学习java,从se到java进阶,jsp再到第三学期的j2ee框架。刚开始学java的时候觉得跟C语言没什么差别,就像现在,觉得swift和java差不多一样,都是在控制台输出一些字段,变着法子输出。跟着老师,慢慢磨,磨了一学期,仅仅学了java基础类型,面向对象,异常,多线程这几个,泛泛而过,也不知道学了那些事干嘛用的。不过那学期做了点小有成就感的东西,当时课程老师要求我们编写一个游戏——开心农场,老师给了代码和资源,其实就是让我们自己去组装,根据所学的java基础不断组装上去,而我们班的学风是较差的班级,全班没有一个组装得出那个游戏,我也不例外,最后交作业都是从隔壁班的同学搬来的代码,运行了基本的功能,而我所做的就是改了上面的功能,并且为这个游戏加了个剧情还有背景音乐,上台演示的时候以发布会的形势公布了这个游戏,赢得了同学们的掌声,那时候感觉自己就像乔布斯在发布iPhone一样,满满的成就感。

  来到了大二下学期,接触了jsp,这时候才感觉到java真正存在的意义,就是来做服务端的。由于上学期的改造游戏取得成功,那学期的期中考是一个增删改查的小demo,我觉得自己就改是全班第一个做出来的,结果没错,就是全班第一个做出来的,有了这两次第一之后自己对IT的信心倍增,也没那么难学嘛,自己稍微学点就能当班级最专业的人。

  大二结束后,是暑假的青运会,留校排练,这也是我人生第一次暑假没回家,心想留在学校读书,去了卓跃教育为期两周的一个试学小项目,用C语言写一个ATM自助取款机,代码量是一千多行。

  接着大三回来开始接触java框架,总感觉没能真正投入地去学习,一学期,还是磨,一个strut2都没学全,hibernate初步,最后仅仅用这两个做了简单的增删改查的小demo,然而就在学期末,恰逢肖建飞老师的工作室搬迁,自己也是抱着最后一搏的心态,想跟着老师再博一把,于是跟着建飞老师开始接触了真正的项目,而不再是简单的demo,还有黄玮老师。于是在学校南门外的工作室,我开始我真正的代码之旅。

  大三下,跟我姐借了七千块买了台苹果电脑开始接触iOS,从swift开始,同样是面向对象语言,个人感觉极其相似,真是那句话,一门语言学好了,入门其他语言很快。

  以上就是我大学这两年来的“简介”,感觉这两年来,深的编程没接触过,仅仅是增删改查的应用层面的,但磨出了感觉,编程的感觉,特别是这种高级语言,如我的个性签名,像极了写文章,然而时间已不允许我慢慢磨了。

  { 我叫吴泽磊,毕业于闽江学院软件工程学院(此时还就读于该所院校,写这篇博客的时候,还在读大三),身高1.74,体重70公斤,不要怀疑,我是壮,不是胖!!!福建漳州人,现就居于福州。大学期间,坑蒙拐骗,浪费时间,擅长英雄联盟寒冰射手,还有上单石头人,说到这个石头人啊,打人就得一套带走,平A没伤害,所以得靠技能,大招R过去击飞对放英雄若干,就势一个E拍地板,造成魔法伤害,W护甲一开,夹逼手狂夹对面,此时,对方已经残血,正要逃跑,一个Q开过去,收掉人头。}

转载于:https://www.cnblogs.com/wzlblog/p/5265044.html

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值