说明：全局核（线性）与局部核（高斯）的加权组合，用于改进SVM的拟合和预测能力。

组合预测 SVM-高斯核 组合预测-SVM 加权-svr 组合核SVM

说明：以给定数据点到椭圆的最短距离的平方和作为目标函数，通过高斯牛顿迭代法求解椭圆的中心坐标，姿态角，长短轴这5个参数。

椭圆 乘法 几何 最小 拟合

说明：模拟退火是 80 年代初发展起来的一种随机性组合优化方法。它模拟高温金属降温的热力学过程，并广泛应用于组合优化问题。基于模拟退火的粒子群优化算法是把模拟退火机制引入基本粒子群优化算法中，采用杂交粒子群优化算法中的杂交运算和带高斯变异的粒子群优化算法中的变异运算，以便进一步调整优化群体。

基于-SA-的-PSO-算法 金属退火 高斯过程 高斯变异

说明：部分实现了追踪测速迭代松弛算法，matlab开发工具箱中的支持向量机，主要是基于mtlab的程序，通过反复训练模板能有较高的识别率，利用贝叶斯原理估计混合logit模型的参数，BP神经网络用于函数拟合与模式识别，FIR 底通和带通滤波器和IIR 底通和带通滤波器。

贝叶斯工具箱

说明：双向PCS控制仿真，使用高阶累积量对MPSK信号进行调制识别，最终的权值矩阵就是滤波器的系数，包括主成分分析、因子分析、贝叶斯分析，相控阵天线的方向图（切比雪夫加权），MIMO OFDM matlab仿真。

利用 最小 算法 实现 三维 拟合

说明：采用贝叶斯正则化算法提高 BP 网络的推广能力。在本例中，我们采用两种训练方法，即 L-M 优化算法（trainlm）和贝叶斯正 则化算法（trainbr），用以训练 BP 网络，使其能够拟合某一附加有白噪声的正弦样本数据。

贝叶斯正则化算法 BP网络 L-M算法 trainlm 贝叶斯正则化算法 trainbr BP

说明：粒子群优化算法 (PSO) 是进化计算由坚尼地介绍该地区的一个新分支 和埃伯哈特在 1995 年 [8]。PSO 易于实施和经验主义地好上很多优化执行已验证 问题。由于在求解无约束的优化问题的粒子群成功，PSO 也逐渐 在过去几年获得高阶警察的注意。建议动态的多群梁和 Suganthan [9...

matlab 模拟 优化 粒子

说明：采用贝叶斯正则化算法提高 BP 网络的推广能力。 在本例中，我们采用两种训练方法，即 L-M 优化算法（trainlm）和贝叶斯正则化算法（trainbr），用以训练 BP 网络，使其能够拟合某一附加有白噪声的正弦样本数据。

Trainlm BP-noise 贝叶斯正则化 L-M优化bp

说明：卡方检验用来检验分布的拟合性 比如正太分布对数正太分布高斯分布瑞利分布，韦伯分布等里面包含了对数据的检测以及统计的原理和方法

卡方检验-Matlab matlab卡方检验 卡方统计 卡方检验 MATLAB-卡方检验

说明：光纤陀螺输出误差的allan方差分析，实现了对10个数字音的识别程序脉冲响应的相关分析算法并检验，可以广泛的应用于数据预测及数据分析,利用最小二乘算法实现对三维平面的拟合，高斯白噪声的生成程序。

matlab 程序 开发 cdma 模拟 编写 发射机 接收机