说明：使用BP算法实现压缩感知信号重构，需要已知观测空间基矩阵和观测向量
观测矩阵 矩阵重构 bp重构 simplex-matlab BP_simplex
说明：贝叶斯判别：对象（总体）在抽样前已有一定的认识，常用先验分布来描述这种认识，然后给予抽取的样本再对先验认识作修正，得到后验分布，而各种统计推断均基于后验分布进行。将Bayes 统计的思想用于判别分析，就得到Bayes判别。在Matlab软件包中，将已经分类的m个数据（长度为n)作为行向量，得到一个矩...
matlab 算法 贝叶斯 入侵检测
说明：本文讨论了从平面多边形的复矩量中恢复其顶点的问题。因为给定的、测量的矩可能是噪声的，所以恢复的顶点只是真实顶点的估计。文献中提供了许多算法来解决这种估计问题。我们将仅讨论总体最小二乘（TLS）数据拟合模型HTLS和STL以及矩阵铅笔法GPOF。我们展示了HTLS和GPOF方法之间的密切联系。我们使用...
平面 多边形 复矩量
说明：基于主成分分析(PCA)的人脸识别系统利用2D PCA算法求对训练集向量进行降维的降维矩阵，最近邻法测试对测试集识别的精度
2d法向量 2d-PCA matlab-矩阵降维 降维算法 最近邻-人脸
说明：这是一套的测试功能，可以用来测试的全局优化算法的有效性。有些是比较容易以优化 （rosenbruck，利昂，...)，其他人几乎不可能 (crosslegtable，bukin6，...)。 所有的测试功能都采取从任一 [1]，[2] 或者 [3] （见下文）。所有的函数可能会被用两种方式： [...
matlab 算法 测试 函数 目标 优化
说明：超声相控阵的TFM全聚焦算法。全聚焦成像技术（TFM）通过特殊的的数据采集方法与成像技术能对缺陷进行非常精确的成像。使得超声检测在缺陷定量及定性上更加的准确。全聚焦技术采用了全矩阵捕捉法（FMC）对检测区域进行数据采集。
超声相控阵 TFM全聚焦算法 全聚焦成像 TFM
说明：图像压缩感知,稀疏基为FFT或DWT（其中FFT是构造正交变换矩阵，DWT是对高频系数进行测量）；重构方法为OMP。
图像压缩感知 FFT DWT 正交变换矩阵 高频系数 OMP
说明：采用遗传算法对 EKF 中的系统噪声矩阵和测量矩阵的协方差进行在线优化，以实现在模型误差最小时对 SOC 进行在线估计
遗传算法 EKF算法 SOC估算
说明：包含特征值与特征向量的提取、训练样本以及最后的识别，有CDF三角函数曲线/三维曲线图，是机器学习的例程，一个计算声子晶体结构的一维传递矩阵法,用于建立主成分分析模型，有均匀线阵的CRB曲线。
算法 源代码 控制 mpc 预测 完整
说明：基于matlab GUI界面设计,对于初学者具有参考意义，esprit算法对有干扰的信号频率进行估计,旋转机械二维全息谱计算，matlab实现了五类灰色关联度模型的计算,最终的权值矩阵就是滤波器的系数。
matlab 能量 测试 源程序 计算
