递推算法

利用Matlab实现航位推算算法，使用惯导数据、GPS起点位置或其他定位传感器数据。

在Matlab中，递推最小二乘算法被广泛应用于参数估计、系统辨识和自适应控制领域。

这是一份用于推算阳历和农历日期的SQL代码示例，涵盖了从1900年2月1日到2101年1月28日的日期信息，并包含了风水、天干地支等相关数据。 代码示例展示了如何将阳历日期转换为农历日期，并提供了农历年份、月份、日期、星期、以及与该日期相关的风水信息，例如：* cyclicalYear（年柱）* cyclicalMonth（月柱）* cyclicalDay（日柱）* animal（生肖）* bigMonth（是否为大月）* maxDayInMonth（该月最大天数）* jieqi（节气）* suit（宜）* taboo（忌）* lunarYearString（农历年字符串） 此外，代码还包含了其他与农历相关的字段，例如：* hyear (闰月)* leap (是否为闰年) 您可以根据自己的需求修改和扩展此SQL代码，以构建更全面的阳历农历日期数据库。

多尺度理论已应用于数据挖掘领域，但多尺度数据挖掘研究尚不充分，缺乏普适性理论与方法。针对这一问题，研究了普适的多尺度数据挖掘理论，并提出了尺度上推关联规则挖掘算法SU-ARMA。首先基于概念分层理论划分数据尺度，定义数据尺度；接着阐明了多尺度数据挖掘的实质和研究核心；最后在多尺度数据理论基础上，利用采样理论和Jaccard相似性系数对频繁项集进行处理，实现了多尺度数据间知识的向上推导。实验结果显示，该算法在人造数据集和H省全员人口真实数据集上具有高覆盖率和精确度，支持度估计误差较低。

由老师编写的数值分析递推公式 MATLAB 程序，已调试无误。

此文档详细介绍 INS/GPS 组合定位中扩展卡尔曼滤波 (EKF) 的递推过程，包括状态方程、观测方差及其线性化。

MATLAB递推关系式作图程序源码下载链接。

在处理大数据或流式数据时，传统的方差计算方法需要遍历所有数据，效率低下且占用大量存储空间。方差递推公式可以解决这个问题，它允许我们根据之前状态的均值、方差、数据量以及当前数据项，动态计算当前状态的方差，而无需存储所有历史数据。 方差递推公式推导过程： 假设我们已经计算出了前 n 个数据的均值为 (bar{x}n) ，方差为 (s_n^2) ，现在新增一个数据 (x{n+1}) ，我们需要计算前 n+1 个数据的方差 (s_{n+1}^2) 。 首先，我们可以根据均值的定义，得到前 n+1 个数据的均值 (bar{x}_{n+1}) ： (bar{x}{n+1} = frac{nbar{x}_n + x{n+1}}{n+1}) 然后，我们可以将方差的定义式展开： (s_{n+1}^2 = frac{1}{n+1}sum_{i=1}^{n+1}(x_i - bar{x}_{n+1})^2) 将 (bar{x}_{n+1}) 代入上式，经过一系列的化简，我们可以得到： (s_{n+1}^2 = frac{n}{n+1}s_n^2 + frac{n}{(n+1)^2}(x_{n+1}-bar{x}_n)^2) 这个公式就是方差递推公式，它让我们可以在已知前 n 个数据的均值、方差、数据量的情况下，通过简单的计算得到前 n+1 个数据的方差，而无需存储所有历史数据，极大地提高了计算效率。

3、递推滤波的时间间隔不宜长，一般在短时或短期预报中应用卡尔曼滤波方法优于中期预报。4、预报精度选择好的预报因子是至关重要的。

这份压缩文件包含了我的实验报告和Matlab源代码，涵盖了M序列生成白噪声、递推最小二乘法和使用F-Test进行模型阶次辨识的内容，非常适合学生使用。