说明：Adaboost 算法的思想是合并多个“弱”分类器的输出以产生有效分类。其主要步骤为 ：首先给出弱学习算法和样本空间（工， y） ，从样本空间中找出 m 组训练数据，每组训练数据的权重都是 1 /m。然后用弱学习算法迭代运算 T 次，每次运算后都按照分类结果更新训练数据权重分布，对于分类失败的训练个...

BP Adaboost算法 样本权重 基于BP的强分类器 BP-Adaboost 数据分类算法 分类器

说明：1，RGB图像分层2，盲去卷积3，运行环境需要matlab加载到工作目录中，手动添加图像文件。

盲去卷积 RGB 图像分层

说明：应用BP神经网络实现软测量，5个输入，1个输出。

BP神经网络 BP 神经网络

说明：实现 f(x)=x^4-3x^3+2x^2-tanx(x-2),在给定数据xj=j/4,j=0:1:7,确定三角插值多项式。

三角插值 插值

说明：空调系统AHU仿真模型1)阀门模型2)表冷器模型3)加热器模型4)加湿器模型5)传感器模型

空调系统 AHU

说明：波束形成就是从传感器阵列重构源信号。（1）、通过增加期望信源的贡献来实现；（2）、通过抑制掉干扰源来实现。经典的波束形成需要观测方向(期望信源的方向)的知识。盲波束形成试图在没有期望信源方向信息的情况下进行信源的恢复。

DOA-beamforming 重构贡献 干扰抑制 blind-beamforming 期望信号

说明：1，产生一个100X100的噪声数据平面，每个单元的噪声幅度暂定为高斯分布（正态分布）；2，产生一个匀速直线运动的目标，目标的幅度是Swerling 0型；3，将目标的幅度加入到噪声平面，目标位置的对应数据单元的幅度叠加目标的信号强度；4，二维数据平面上做pfa=10。

匀速直线运动 噪声幅度 高斯分布 正态分布 Swerling

说明：基于遗传算法的移动传感器的部署优化，实现三维空间下对多个传感器相对探测物体位置的移动路径的规划，种群大小为49，迭代次数为1000，交叉概率为0.8，变异概率0.1，采用精英选择。

遗传算法 移动传感器 部署优化

说明：这是一个基于人脸识别的双边2DLDA程序，其中每人随机选9个做训练，1个做测试，作20次后平均。

人脸识别 双边2DLDA 2DLDA

说明：空调系统AHU仿真模型1)阀门模型2)表冷器模型3)加热器模型4)加湿器模型5)传感器模型

加湿器 MATLAB-空调 空调系统仿真 加热器-matlab MATLAB-系统模型