草庐IT

matlab-deployment

全部标签

Matlab + Gurobi入门

本文将结合官方文档和其他相关介绍,对Matlab+Gurobi的使用做一个完全零基础的入门介绍(我也是小白,这也是对自己学习的一个记录)一、Gurobi优化器快速入门指导-Windows1.1从求解一个简单模型开始-了解Gurobi命令行该问题是一个非常简单的铸币厂生产硬币问题,一共有五种类型的硬币,价值分别对应0.01$,0.05$,0.1$,0.25$,和1$,每种硬币由不同的原材料组成,一共四种,使用的原材料分量如表1-1所示(原问题详见官网:SolvingaSimpleModel-TheGurobiCommandLine):PennyNickelDimeQuarterDollarCop

Matlab + Gurobi入门

本文将结合官方文档和其他相关介绍,对Matlab+Gurobi的使用做一个完全零基础的入门介绍(我也是小白,这也是对自己学习的一个记录)一、Gurobi优化器快速入门指导-Windows1.1从求解一个简单模型开始-了解Gurobi命令行该问题是一个非常简单的铸币厂生产硬币问题,一共有五种类型的硬币,价值分别对应0.01$,0.05$,0.1$,0.25$,和1$,每种硬币由不同的原材料组成,一共四种,使用的原材料分量如表1-1所示(原问题详见官网:SolvingaSimpleModel-TheGurobiCommandLine):PennyNickelDimeQuarterDollarCop

主成分分析法(PCA)及MATLAB实现

目录1.主成分分析概念: 2.主成分分析法步骤:第一步:对所有特征进行中心化:去均值第二步:求协方差矩阵C第三步:求协方差矩阵C的特征值​编辑和相对应的特征向量​编辑第四步:将原始特征投影到选取的特征向量上,得到降维后的新K维特征 3.主成分分析法MATLAB实现:1.主成分分析概念:        主成分分析算法(PCA)是最常用的线性降维方法,它的目标是通过某种线性投影,将高维的数据映射到低维的空间中,并期望在所投影的维度上数据的信息量最大(方差最大),以此使用较少的数据维度,同时保留住较多的原数据点的特性。一般来说,当研究的问题涉及到多变量且变量之间存在很强的相关性时,我们可考虑使用主成

数字信号处理篇之浮点数与定点数的转换(MATLAB)

数字信号处理篇之浮点数与定点数的转换(MATLAB)一、写在前面二、十进制与二进制二、定点数的概念三、定点数的几种表示方法3.1原码表示3.2反码表示3.3补码表示四、浮点数转定点数的MATLAB实现五、写在后面一、写在前面  对于计算机等数字信号处理器件,数字和信号变量都是用二进制进行表示的。在本文中,我们学习了定点数的概念、浮点数与定点数的转换以及在MATLABZ中实现浮点数与定点数的转换。二、十进制与二进制  对于二进制数,大家应该都很熟悉,在学习数电的过程中,我们知道,十进制转二进制,我们一般采用“除2取余,逆序排列”法,而二进制转十进制,我们一般采用“乘2累加”法(具体的转换过程可以

MATLAB实现任意函数曲线拟合(高斯曲线为例)

高斯曲线拟合matlab实现多项式拟合的函数相对比较简单,且容易记忆,但是复杂曲线的拟合就比较繁杂,比如高斯曲线,也叫正态分布函数,线上做个笔记,大家共勉。clc;clear;closeall;y=[1,1,1,3,7,8,7,3,1,1,1];%待拟合向量len=length(y);%数据长度x=1:1:len;%时间轴坐标figure,plot(x,y);xlabel('Position/s');ylabel('Intencity/cd');title('InputSignal');%定义初始参数,matlab在此基础上优化,初始参数太差会导致优化效果很差Amptittude=7;%定义初

MATLAB线性规划

demo1clc,clearc=[4;3];b=[10;8;7];a=[2,1;1,1;0,1];lb=zeros(2,1);[x,fval]=linprog(-c,a,b,[],[],lb)%没有等号约束y=-fval%目标函数为最大化clc,clearprob=optimproblem('ObjectiveSense','max');%这里ObjectiveSense是目标类型为求最大值的意思%有时候直接是prob=optimproblem就是默认求最小值c=[4;3];b=[10;8;7];a=[2,1;1,1;0,1];lb=zeros(2,1);x=optimvar('x',2,'L

使用flask,关于WARNING: This is a development server. Do not use it in a production deployment问题

当flask开发web服务,本地开发完成后,部署线上环境,运行,也会和本地一样,控制台会打印以下信息:WARNING:Thisisadevelopmentserver.Donotuseitinaproductiondeployment.UseaproductionWSGIserverinstead.提示信息很明显,意思就是在生产环境,不要再用这种方式运行程序,最好用WSGI服务来替代运行。解决办法:就是使用pywsgi来代替app.run(host=“0.0.0.0”,port=5000)fromflaskimportFlaskfromgeventimportpywsgiapp=Flask(_

flask解决WARNING: This is a development server. Do not use it in a production deployment.

解决pycharm flask项目无法正常运行报错如下:WARNING:Thisisadevelopmentserver.Donotuseitinaproductiondeployment.解决方法:更改启动服务器使用WSGI.我的python版本为python3.7所以只能使用gevent包来启用WSGI下载gevent包:在控制台输入:pipinstallgevent 之后在代码中导入个gevent后调用,再runapp就ok了fromgeventimportpywsgiif__name__=='__main__':server=pywsgi.WSGIServer(('0.0.0.0',5

Dijkstra算法和Floyd算法详解(MATLAB代码)

一、Dijkstra算法1.算法简介Dijkstra算法是由E.W.Dijkstra于1959年提出,又叫迪杰斯特拉算法,它应用了贪心算法模式,是目前公认的最好的求解最短路径的方法。算法解决的是有向图中单个源点到其他顶点的最短路径问题,其主要特点是每次迭代时选择的下一个顶点是标记点之外距离源点最近的顶点。2.算法原理该算法在计算的时候将所有的点分为两个集合。集合U中存放已找到最短路径的顶点,集合V中存放当前还未找到的最短路径的顶点。Dijkstra算法的功能是,给定一个起点,计算其到其他所有点的最短路径,也就是1TON的问题。在集合T中找到起点V0能够达到的,且距离最短的点,将其加入到U中,之

Matlab 实现图像的直角坐标系和极坐标系的相互转化

某日需要在matlab进行图像的的极直互化,发现并没有介绍相应内容的文章,所以有了自己调研一下并写一写的想法。果然只要想就能做到,所以有了下面这篇文章。根据直角坐标系(笛卡尔系)内数值和极坐标系关系根据上述公式不难想出,在直角坐标系中的圆会在极坐标中转化为一条直线(画图太麻烦了,脑补吧)。还是画一下吧便于理解,就图上这样XY代表的大坐标系,即最后生成图像的坐标系,里面小的坐标系呢,上面图表示的是直角系,下面图表示的是极坐标系,即求二者之间的互相转化。直角系到极坐标系的转化步骤是,算出极坐标系点位在直角系中点位的映射(由于我都极坐标系尺寸更大,所以还需要进行插值,这里用到的双线性插值)(这里映射