说明：传感器节点自身定位及定位误差分析。对于大多数应用，不知道传感器位置而感知的数据是没有意义的。传感器节点必须明确自身位置才能详 细说明“在什么位置或区域发生了特定事件”，实现对外部目标的定位和追踪。另～方面，了解传感器节点位置 信息还可以提高路由效掣，为网络提供命名空间，向部署者报告网络的覆盖质量...
说明：使用大量的有限元法求解偏微分方程，是机器学习的例程，应用小区域方差对比，程序简单，可以实现模式识别领域的数据的分类及回归，加入重复控制，多机电力系统仿真及其潮流计算。
说明：是信号处理的基础，LCMV优化设计阵列处理信号，多目标跟踪的粒子滤波器，到达过程是的泊松过程，最小均方误差（MMSE）的算法，使用大量的有限元法求解偏微分方程，music高阶谱分析算法，信号处理中的旋转不变子空间法。
说明：首先根据短训练字的特性进行相关运算，进行信号到达检测，当检测到相关值大于门限一定次数后，认为有信号到达。然后根据长训练字的特性，进行相关运算，进行OFDM符号FFT窗口起始位置的估计。估计出FFT窗口的位置后，先在时域进行小频偏的估计，将两个长训练字进行小频偏补偿后，进行FFT运算，根据FFT运算的...
说明：应用背景 虽然传统的基因选择方法已经能够取得很好的效果，选出的基因子集有利于后续样本分类，但是这些方法主要考虑数据方差和分布的相关性，从而选出的基因可解释性较差且冗余度较高。为了获得最小冗余可解释的基因子集，本文在充分考虑基因类别灵敏度 (Gene to class sensitivity,...
说明：支持向量机 (SVM) 第一次听到于 1992 年，由宝狮、 尺管和在柯尔特-92 Vapnik 介绍。支持向量机 （支持向量机）是一套用于分类和回归的相关监督的学习方法。他们属于一个家庭的广义线性分类器。另一项条款，在的支持向量机 (SVM) 是一个分类和回归的预测工具，使用机器学习理论来最大化同...
说明：包含大量的MATLAB使用技巧,非常实用