integral-histogram

Using entropy to align fingerprints in fingerprint verification

说明：  将遗传算法的改进协同进化遗传算法应用于机器人路径的规划中(Improved genetic algorithm co-evolution genetic algorithm in robot path planning)

sift 特征提取算法matlab实现,有实例(sift 特征提取算法matlab实现，有实例)

电网同步跟踪技术，自己搭的锁相环,可以运行出来。有频率跟踪，还有正负序分离(Grid synchronization tracking technology, take their own phase-locked loop, you can run out. There is frequency tracking, there are positive and negative sequence separation)

Face moment computation for ellipse fitting

计算Lyapunov的程序，网上下载的原版，同之前的差不多(Calculate the Lyapunov procedures, download the original, with the previous almost)

有关2012全国大学生数学建模竞赛论文，可以让读者提供一些方法和思路。(For papers of the 2012 National Mathematical Contest in Modeling, allows the reader to provide some methods and ideas.)

基于AIC,BIC准则的变量选择方法的matlab程序实现代码(Based on AIC, BIC criteria for variable selection methods matlab program implementation code)

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)

用ICA方法进行BSS分离的源程序，有Matlab运行结果和详细实验过程，非常实用(ICA method with source separation BSS, Matlab operating results and detailed experimental procedure, very practical)