Lecture9_exc_2

过不同方法进行粗糙集属性约简matlab完整程序(rough set matlab program)

K-means is a clustering algorithm In the beginning we determine number of cluster K and we assume the centroid or center of these clusters. We can take any random objects as the initial centroids or the first K objects in sequence can also serve as the initial centroids. There are two function for that the kMeanCluster and distMatrix

说明：  本人自己完成的矩阵LU分解，带有示例，希望共同探讨。(I completed matrix LU decomposition, with examples, and hope to explore.)

kalman滤波实现目标跟踪，对一个二维物体的跟踪(kalman filter)

MVDR谱估计，用于噪声估计，在手机麦克风降噪上有很广的应用(MVDR spectral estimation for noise estimation, noise reduction microphone on the phone has a very broad application)

滑模变结构的初始算法，简单自适应系统设计实例。(Initial algorithm of sliding mode variable structure)

色度亮度信息检测视频帧中前景 背景 高亮度 (forground background high light detection using chromaticity and brightness)

说明：  两种不同的假设： H1 ： 0 xn A fn wn ( ) cos(2 ) ( ) = ++ π θ n=1,2,…,N，f0 为规一化频率 H0 ： xn wn () () = n=1,2,…,N 其中 w[n]是均值为 0，方差为 2 σ n 的高斯白噪声，A 已知，样本间相互 独立，信号与噪声相互独立; 相位θ 是随机变量，它服从均匀分布 1 0 2 ( ) 20 p θ π θ π ?? ≤ ≤ = ??? 其它 1）改变输入信噪比（改变 A 或噪声方差均可），给定虚警概率，画出 输入信噪比与检测概率之间的理论曲线。(注意：理论检测曲线与样本 数有关) 2）改变样本数，用 Monte-Carlo 实验方法得出 PF＝0.001 时输入信噪比 与检测概率之间关系曲线（至少三条），并得出结论。 3）改变 M-C 实验次数，样本数不变，用 Monte-Carlo 实验方法得出 PF ＝0.001 时输入信噪比与检测概率之间关系曲线（至少三条），并得出 结论。(Draw the theoretical curve between input SNR and detection probability)

call matlab function from C++.zip

这是两发一收正交频率复用基于空时编码的Matlab源代码(this is the Matlab code for MISO-OFDM-STBC system)