0
K-Means聚类算法
K-Means聚类算法（k-means clustering algorithm）是一种无监督学习算法。它可以通过多次迭代，将一系列无标记的数据根据它们的特征分布划分为$k$个子集，使得子集内部元素之间的相异度尽可能低，而不同子集元素相异度尽可能高。我们称这样的子集为簇（cluster），而将数据划分为簇的过程称为聚类。 算法思想 假设我们有一组无标记
归档: 2018/4
0
分布参数系统控制（七）：边界输入
分布参数系统的输入可以分为点输入、分布式输入和边界输入。之前的章节我们讨论的都是分布式输入，此时输入分布在定义域的某个区间。而若输入$u(t)$定义在边界，则称为边界输入（Randeingriff），此时系统方程会有所不同，相应的计算方法也会有差别。因此本文讨论边界输入以及它在反馈控制中的应用。 边界输入系统方程 分布式输入中，输入$u(t)$在系统状
0
分布参数系统控制（六）：反馈控制
在控制理论中，稳定性始终是一个系统最基本的要求，之后一切的控制都要建立在系统稳定的基础上。与集总参数系统控制类似，我们可以通过增加反馈使系统达到稳定状态，并满足一定特性。分布参数系统状态方程如下： \dot{x}(t)={\cal A}x(t)\tag{1}指数稳定 首先我们给出分布参数系统的指数稳定（Exponentielle Stabilität