稀疏线性预测

系统仿真 使用线性回归预测人口增长

使用主成分分析（PCA）进行降维，然后利用线性回归模型建立房价预测模型。数据集包括房屋的面积、室厅个数、装修程度、楼层程度、朝向等特征。主成分分析（PCA）可以将原始特征转换为一组新特征，这些特征具有

基于目前的时间序列数据，做未来非线性预测，简便易行，直接放在pycharm或者jupyter notebook就可以运行

针对约束非线性系统,提出了一种基于SGA的预测控制方法。将SGA算法引入到预测控制的滚动优化中,对非线性预测模型的性能指标寻取最优控制序列,并在SGA算法的初始种群产生阶段以及交叉、变异操作阶段采用搜

采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解(ASD)法,作为人工神经网络(ANN)的前置分解方法,将风电功率序列分解为原子分量和残差分量,对原子分量进行自预测,残差分量进行ANN预测,再

Parallel Algorithms Chapter 13 Numerical Algorithms Spring, 2018 2018,1010 并行算法 Standard Linear Alge

snopt-matlab:用于稀疏非线性优化器SNOPT的Matlab接口

两个文件，一个是稀疏矩阵的声明，另外一个是稀疏矩阵的测试程序

针对压缩感知中时变稀疏信号的重建问题,提出一种基于自适应线性预测的卡尔曼滤波恢复算法.该算法采用滑动窗口对信号进行观测,基于前后窗信号之间的相关性并利用自适应线性预测方法,建立前后窗口信号的状态转移方

波士顿房价 这是 sklearn.datasets 里的一种 Toy Dataset ,包含503个美国波士顿房价的观测值,是内置的小数据集,也是研究回归算法的优秀数据集。 Python编程实现 im