fuzzycluster

ARMA模型的matlab代码，详细，有注释(ARMA model matlab code, detailed, annotated)

经验模态安装工具包，方便好用，大家学学吧(emd empirical mode toolkit)

Copyright (C) 2007 ROCK(CHIPS FUZHOU . All Rights Reserved. Tvout切换功能-Copyright (C) 2007 ROCK-CHIPS FUZHOU . All Rights Reserved.File : Tvout.c)

说明：  它主要研究的是多因变量对多自变量的回归建模，特别当各变量内部高度线性相关时，用偏最小二乘回归法更有效。另外，偏最小二乘回归较好地解决了样本个数少于变量个数等问题。 偏最小二乘法是集主成分分析、典型相关分析和多元线性回归分析3种分析方法的优点于一身。它与主成分分析法都试图提取出反映数据变异的最大信息，但主成分分析法只考虑一个自变量矩阵，而偏最小二乘法还有一个“响应”矩阵，因此具有预测功能。(It is mainly a result of the study is a multi-variable regression modeling and more independent variables, especially when the internal height of each variable linear correlation, partial least squares regression method is more effective. In addition, partial least squares regression solves the number of samples is less than the number of variables and other issues. Partial least squares method is a set of principal component analysis, canonical correlation analysis and multiple linear regression analysis of the advantages of the three methods in one. It is the principal component analysis are trying to extract the maximum information reflects data variability, but the principal component analysis considers only one independent variable matrix, and partial least squares and a &quot response&quot matrix, predictive capabilities.)

一个好用的鸡群算法程序，供新手学习使用，可在网上找相关资料(A good CSO program,for beginners to learn and use,,you can find relevant information online.)

聚类算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）中，顺序选取一个Or，计算用Or代替Oi后的消耗—E（Or）。选择E最小的那个Or来代替Oi。这样K个medoids就改变了，下面就再转到2。 4，这样循环直到K个medoids固定下来。 这种算法对于脏数据和异常数据不敏感，但计算量显然要比K均值要大，一般只适合小数据量。 这里是MAtlab源代码。(err)

实现电子琴功能,是一个GUI界面，学生做毕业设计的入门参考 (digital piano)

I m doing my thesis in Image Denoising using Matlab.I m using Curvelet transform and median filtering techniques to remove gaussian and salt and pepper noises.

Demosaicking Algorithm using Bi-linear Interpolation

Multivariate Relevance Vector Machines