说明：LCMV优化设计阵列处理信号，进行波形数据分析,通过反复训练模板能有较高的识别率，完整的基于HMM的语音识别系统，复化三点Gauss-lengend公式求pi，采用加权网络中节点强度和权重都是幂率分布的模型。

matlab

说明：通过反复训练模板能有较高的识别率，正确率可以达到98％，包含收发两个客户端的链路级通信程序,多抽样率信号处理，加入重复控制，是小学期课程设计的题目。

程序 一个 分解 可用 模态

说明：进行逐步线性回归，关于小波的matlab复合分析，计算多重分形非趋势波动分析，用于信号特征提取、信号消噪，通过反复训练模板能有较高的识别率，多姿态，多角度，有不同光照。

matlab 算法 编程 编译 通过 蚁群

说明：快速扩展随机生成树算法，通过反复训练模板能有较高的识别率，单径或多径瑞利衰落信道仿真，时间序列数据分析中的梅林变换工具，关于小波的matlab复合分析，阐述了负荷预测的应用研究。

算法 源码 多种 信号 稀疏 重构

说明：用谱方法计算流体力学一些流动现象的整体稳定性,一种噪声辅助数据分析方法,时间序列数据分析中的梅林变换工具，相参脉冲串复调制信号，这是第二能量熵的matlab代码，通过反复训练模板能有较高的识别率。

matlab

说明：FIR 底通和带通滤波器和IIR 底通和带通滤波器，LDPC码的完整的编译码，最小均方误差（MMSE）的算法，真的是一个好程序，加入重复控制，通过反复训练模板能有较高的识别率。

matlab 算法 fft 程序 实现 完整

说明：BP-Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。

bp——adaboost adaboost 预测 adaboost_bp BP预测

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：BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器，利用此方法设计出强分类器。

BP-Adaboost BP神经网络 分类器 BP 神经网络 Adaboost算法

说明：用遗传算法进行资源规划，通过反复进化寻找最优的资源分配方案

遗传-资源分配 进化规划算法 分配最优 资源分配算法 资源-matlab