对太阳能电池进行电流-电压(I-V)特性分析对推导有关其性能的重要参数至关重要，包括最大电流(Imax)和电压(Vmax)、开路电压(Voc)、短路电流(Isc)以及效率(η)。多组太阳能电池IV测试系统方案使用国际标准AAA级别太阳能模拟器取代传统的卤素灯，氙灯等光源，能够完全模拟太空和地面的太阳能光谱，解决了实验室测试太阳能电池入射光谱的匹配问题；而电池IV特性测试仪器采用国产高精密S系列源表
虽然matlab可以直接根据传递函数的Bode图，但是绘制系统的开环幅频渐进特性曲线对自动控制原理的学习仍有其意义。参考胡寿松老师的自动控制原理的绘制幅频渐进特性曲线的代码，对代码进行了验证、优化和注释。注释之处是对该代码的简单理解，希望对刚开始学习自动控制原理的小伙伴有所帮助！博文贴出的代码可以直接复制到 .m文件中使用。 %绘制系统的开环对数幅频渐进特性曲线
%%% 使用方法
转载
2023-11-26 08:22:17
473阅读
一、设计Butterworth滤波器设计滤波器，其实就是设计传递函数，butterworth低通滤波器的传递函数如下：对于butterworth高通滤波器，唯一的区别是分子项，从1变为s^N。 高低通Butterworth滤波器归一化后的系数如下： （所谓归一化，就是只按照阶数来定系数，不考虑截止频率）反归一化过程（考虑截止频率）：将s用以下公式代替，wc为截止频率，单位rad/s。 就得到考虑了
转载
2023-12-28 22:05:41
495阅读
实验四 线性系统的频域分析一、实验目的1．掌握用MA TLAB 语句绘制各种频域曲线。2．掌握控制系统的频域分析方法。二、基础知识及MATLAB 函数频域分析法是应用频域特性研究控制系统的一种经典方法。它是通过研究系统对正弦信号下的稳态和动态响应特性来分析系统的。采用这种方法可直观的表达出系统的频率特性，分析方法比较简单，物理概念明确。1．频率曲线主要包括三种:Nyquist 图、Bode 图和N
转载
2023-11-29 17:14:35
186阅读
【自控笔记】5.2频率特性的四种表现方式及Matlab绘制系统的频率特性G(jω)可以用函数形式表示，也可以用图形和曲线表示。它们分别是频率特性图、幅相特性图、对数频率特性图、对数幅相特性图。四种表示方式对比如下： 下面以T=1的惯性环节为例，绘制四种表示图。一、频率特性图 频率特性曲线包括幅频特性曲线和相频特性曲线。幅频特性曲线是幅值|G(jω)|的变化规律。相频特性曲线是描述相角∠
转载
2023-11-02 06:41:43
1004阅读
小白CV 在机器学习领域中，用于评价一个模型的性能有多种指标，其中最常用的几项有FP、FN、TP、TN、精确率(Precision)、召回率(Recall)、准确率(Accuracy)。在上一篇原创文章FP、FN、TP、TN、精确率(Precision)、召回率(Recall)、准确率(Accuracy)评价指标详述中，详细的介绍了FP、FN、TP、TN、精确率(Precision)、召回
转载
2023-09-14 11:19:11
0阅读
生信分析第三步：生存曲线批量绘制
各位解螺旋的小伙伴大家好，我是先锋宇，欢迎大家来到每周日的先锋宇专栏，经过前两期推文的学习，很多小伙伴都私信我说从先锋宇助教的专栏很接地气，自己能够开始慢慢处理数据，并且希望先锋宇助教能够继续把这条线走通。听到解螺旋小伙伴积极正向的反馈，小编心理也是非常开心，那么今天咱们继续往下走，我们在前两期推文中完成数据的下载以及差异分析和单因素COX回归，那
转载
2023-11-04 14:50:35
137阅读
1. 基本概念一个系统的频率特性指的是对通过该系统的信号的不同频率分量产生的影响。这种影响体现在：1）对输入信号的不同频率分量造成幅度上的比例放大或缩小；2）对输入信号的不同频率的分量造成相位上的偏转。系统对输入信号产生的第一种影响，以频率f为横坐标，以幅度比例放大或缩小的因子为纵坐标，做出的二维曲线，就是系统的幅频响应曲线，记为A(f)。同理，以频率f为横坐标，以相位偏转的大小为纵坐标，做出的曲
转载
2024-05-28 21:18:59
132阅读
模式识别的一个实验，要求画出贝叶斯决策的图。这里我是利用python中的matplotlib库实现的图线的拟合。主要对于matplotlib的使用可以参照博客：webary具体实现：接下来，就是对具体数据进行绘图了。比如我们要绘制一条y=x^2的曲线，可这样写代码：x = range(10) # 横轴的数据
y = [i*i for i in x] # 纵轴的数据
pl.plot(x, y
转载
2023-08-26 23:09:57
283阅读
分类模型尝试将各个实例（instance）划归到某个特定的类，而分类模型的结果一般是实数值，如逻辑回归，其结果是从0到1的实数值。这里就涉及到如何确定阈值（threshold value）,使得模型结果大于这个值，划为一类，小于这个值，划归为另一类。
考虑一个二分问题，即将实例分成正类（positive）或负类（negative）。对一个二分问题来说，会出现四种情况。如果一个实例是正类并且
转载
2023-06-16 18:47:15
483阅读
ROC 曲线绘制个人的浅显理解：1.ROC曲线必须是针对连续值输入的，通过选定不同的阈值而得到光滑而且连续的ROC曲线，故通常应用于Saliency算法评价中，因为可以选定0~255中任意的值进行阈值分割，从而得到ROC曲线； 2.对于图像分割算法的评价不适合用ROC曲线进行评价，除非能够得到连续值，而
转载
2023-09-08 13:25:19
230阅读
基础知识 TP（True Positive）：指正确分类的正样本数，即预测为正样本，实际也是正样本。FP（False Positive）：指被错误的标记为正样本的负样本数，即实际为负样本而被预测为正样本，所以是False。TN（True Negative）：指正确分类的负样本数，即预测为负样本，实际也是负样本。FN（False Negative）：指被错误的标记为负样本的正样
转载
2023-11-22 23:25:07
61阅读
首先以支持向量机模型为例先导入需要使用的包，我们将使用roc_curve这个函数绘制ROC曲线！from sklearn.svm import SVC
from sklearn.metrics import roc_curve
from sklearn.datasets import make_blobs
from sklearn. model_selection import train_tes
转载
2023-07-01 13:14:18
422阅读
python 画函数曲线示例如下所示：import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 2 * np.pi, 100)
y1, y2 = np.sin(x), np.cos(x)
plt.plot(x, y1)
plt.plot(x, y2)
plt.title('line chart')
plt.xlabe
转载
2023-07-06 22:21:37
176阅读
# Python 幅频特性曲线科普
在信号处理和控制工程中，幅频特性曲线是一个非常重要的概念。它能够展示系统对不同频率信号的反应，帮助工程师和科学家们分析和设计系统。在本篇文章中，我们将探讨如何使用 Python 绘制幅频特性曲线，并深入了解其中的原理。
## 1. 幅频特性曲线的定义
幅频特性曲线是指一个线性时不变系统对不同频率的输入信号所产生的输出幅度的变化关系。具体来说，它展示了输入信
SigmaPlot 14是一款可做数据分析的高质量曲线的专业科学绘图软件，主要可用于绘制准确、高质量的图形和曲线，支持一百多种2D、3D科学图形。SigmaPlot能提供众多选择，如自动化误差条状图，回归线图，信赖区间，轴刻度，非线性曲线及工作窗体。如果您工作中需要将数据变成XY,XYZ图形等，那么SigmaPlot可以为您节省掉大量的时间，目前SigmaPlot已被广泛地运用在医学、生命科学、化
转载
2023-07-25 00:00:29
408阅读
# -*- coding: utf-8 -*-import pandas as pdimport matplotlib.pyplot as pltimport numpy as npdf = pd.read_csv(r'C:\Users\z
原创
2023-05-18 17:13:07
146阅读
# 使用Python绘制ACC曲线的教程
ACC曲线（Accuracy Curve）是一种在机器学习领域常用的可视化工具，它展示了模型在不同阈值下的准确率。本文将指导您如何使用Python来绘制ACC曲线。我们将通过一系列步骤来实现这一目标，并配合代码示例和可视化图形。
## 流程概述
在下面的表格中，我们展示了绘制ACC曲线的基本步骤。
| 步骤 | 说明
# 用Python绘制损失曲线：过程与示例
在机器学习和深度学习中，损失函数是一个重要的概念。它量化了模型预测值与真实值之间的差距。通过绘制损失曲线，我们可以直观地观察到模型训练的表现，从而判断模型的学习效果和训练状态。本文将带您使用Python绘制损失曲线，同时给出代码示例。
### 损失曲线的意义
损失曲线用于可视化训练过程中的损失变化，可以帮助我们判断以下几点：
1. **模型收敛性
# Python绘制AUC曲线的基本指导
在机器学习和数据科学中，AUC（曲线下面积，Area Under the Curve）是一个重要的性能指标。它通常用于评估二分类模型的性能。AUC值越接近1，模型的性能越佳。本文将通过Python示例来展示如何计算和绘制AUC曲线。
## 1. 什么是AUC曲线？
AUC曲线是ROC（接收者操作特征）曲线的一个重要组成部分。ROC曲线绘制的是真阳性率
原创
2024-10-22 06:56:18
74阅读
