Adaboost

高阶谱分析工具，包含所有分析函数，快来下吧(High-order spectral analysis tools, including all the analysis functions)

code matlab du contrast d une image

一个很好的粒子滤波例程， 请输入过程噪声方差R的值 请输入观测噪声方差Q的值 运行结果稳定可靠(easy for particle filter)

NNDemo2.0是对神经网络实验演示系统NNDemo1.0的进一步增强与扩充， 可以形象的演示各种网络模型的一些应用或性质，其中仿真例题是《人工 神经网络原理及仿真实例》教材中所有的例题。该系统使用极其简便，即使 你对各种网络模型不是很深刻的了解，也可以很好的使用该系统。使用时， 你可以自己修改网络的各种参数，交互性较好，而且该系统通过大量的图示 及参数设置，可以让你了解每个应用实例实现的过程及详细步骤。如果你想 学习神经网络的Matlab仿真（编程），进一步提高自己的编程能力，下面的 文件说明可以帮助你很快的找到系统的每个源文件。 (NNDemo2.0 is a neural network system NNDemo1.0 experimental demonstration of the further enhanced and expanded)

PID Controllers in Nineties Muhidin Lelic

8FSK生成程序，可以生成随机8FSK信号(8FSK Create Program,can create random 8FSK signal)

为sinudoidal模型的AIC阶估计.AIC信息准则即Akaike information criterion，是衡量统计模型拟合优良性的一种标准，又由于它为日本统计学家赤池弘次创立和发展的，因此又称赤池信息量准则。它建立在熵的概念基础上，可以权衡所估计模型的复杂度和此模型拟合数据的优良性。 在一般的情况下，AIC可以表示为： AIC=2k-2ln(L) 其中：k是参数的数量，L是似然函数。 假设条件是模型的误差服从独立正态分布。 让n为观察数，RSS为剩余平方和，那么AIC变为： AIC=2k+nln(RSS/n) 增加自由参数的数目提高了拟合的优良性，AIC鼓励数据拟合的优良性但是尽量避免出现过度拟合(Overfitting)的情况。所以优先考虑的模型应是AIC值最小的那一个。赤池信息准则的方法是寻找可以最好地解释数据但包含最少自由参数的模型。(AIC order estimation for sinudoidal model)

This book covers the fundamental principles of space-time coding for wireless communications over multiple-input multiple-output (MIMO) channels, and sets out practical coding methods for achieving the performance improvements predicted by the theory.

有关控制领域PID算法，实现简单的界面编程有待进一步完善(PID algorithm for the control of the area to achieve a simple interface for programming to be further improved)

多目标遗传算法优化PID参数,是M文件。内容很详细，有需要的可以下载(this is matlab file ,it is for adpation GA for PID )