Maple-and-Matlab

Article about Matlab GUI interface

说明：  指纹识别例子和源代码，对于模式识别、人工智能研究者有一定帮助(Fingerprint identification example and source code, for pattern recognition, artificial intelligence researchers have help )

设计一个离散hopfield网络，实现联想记忆，以对模糊数字进行识别，判断。(design of a discrete hopfield network, associative memory, a pair of fuzzy figures for the recognition, judgment.)

利用最小二乘来计算Volteer级数的系数(Calculated using the least squares coefficient Volteer series)

进行数据的预处理，标准化和白化，便于数据的后续分析(Data preprocessing, standardization and whitening, facilitate the subsequent analysis of data)

说明：  独立成分分析是近年来出现的一种强有力的数据分析工具。1994年由Comon给出了ICA的一个较为严格的数学定义，其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长，然而无论从理论上还是应用上，它正受到越来越多的关注，成为国内外研究的一个热点。特别是从应用角度看，它的应用领域与应用前景都是非常广阔的，目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。 ICA是一种用来从多变量（多维）统计数据里找到隐含的因素或成分的方法，被认为是主成分分析（Principal Component Analysis, PCA）和因子分析（Factor Analysis）的一种扩展。对于盲源分离问题，ICA是指在只知道混合信号，而不知道源信号、噪声以及混合机制的情况下，分离或近似地分离出源信号的一种分析过程。(Independent Component Analysis, ICA)

matlab 门限模型 这是一个比较好的用matlaB软件做门限模型的方法。(matlab threshold model which is a good software to do with matlaB threshold model.)

时频分析工具箱中提供了计算各种线性时频表示和双线性时频分布的函数(Time-frequency analysis toolkit provides the calculation of linear time-frequency representation and bilinear time-frequency distribution function)

Matlab implementation of the moment matching and maximum likelihood estimators for the generalized Gaussian density.

独立成分分析( I C A) 是一项把混合信号分解成具有统计独立性成分的新技术 。I C A近年已在生物医 域的信号分离中展示 了很好的应用前景 。 我们比较系统地介绍了 I C A的基本原理 、 主要算法 、 应用和 究的发展方向，旨在进一步推动有关的理论与应用研究工作。 (Independent Component Analysis (ICA) is a decomposition of the mixed-signal components into a statistical independence of the new technologies. In recent years, ICA has been in bio-medical domain signal separation show a very good application prospects. We systematically introduced the basic principle of ICA, the main algorithms, applications and the development direction of research aimed at further promoting the application of the theory and research.)