clustering_coefficients

说明：  比较经典的MATLAB教程，文字清晰，适合入门者。(More classic MATLAB tutorial, text clear, suitable for beginners.)

产生正弦波 的matlab源程序 小弟第一次做的程序 不知对大家有用吗?(generated sine wave of Matlab source younger the first time in the process we do not know right useful?)

该文档给出了通信原理中的数字调制和解调的matlab程序代码，如BPSK,QPSK,QAM等等调制方式。(the document is a communication principle of digital modulation and demodulation of the Matlab code. such as BPSK, QPSK, QAM modulation mode, and so on.)

针对地震seg数据的各种预处理程序集，例如：格式转换，道头读取等(Assemblies for various pre-earthquake seg data, such as: format conversion, said head reads, etc.)

归一化自适应算法，是正弦信号的不是语音信号的！欢迎下载使用！(Normalized adaptive algorithm, is not sinusoidal signal of speech signals! Welcome to download! )

经典的粒子群优化算法，可用于路径规划中的寻优(pso suanfa)

MATLAB GUI设计学习手记（第二版）源程序 第7章 本书推荐的学习方法： 1）若您是一个MATLAB初学者，且有充裕的时间来学习GUI设计，您可以从本书的第1章开始循序渐进地学习。 2）若您是一位MATLAB初学者，且时间非常紧迫，建议您先学好第1章，然后依次学习第4章、第5章和第6章，其他章节请根据项目需要有选择性地学习。 3）若您已经掌握了MATLAB的基础语法知识，有一定的MATLAB编程基础，也请浏览一下第1章的内容，尤其是专题分析部分。然后先学习本书第4、5和6章，其他章节请根据项目需要有选择性地学习。 4）若您是一位MATLAB GUI方面的专家或老师，您可以将本书作为一本教学的参考书，本书内容全面、讲解详实、代码精炼，是不可多得的GUI宝典。 (MATLAB GUI design learning Hearts (second edition) Chapter 7 book recommended source learning methods: 1) If you are a MATLAB beginners, and there is plenty of time to learn GUI design, you can start from Chapter 1 of the book The step-by-step learning. 2) If you are a MATLAB beginners, and the time is very tight, it is recommended that you first learn to Chapter 1, followed by learning Chapter 4, Chapter 5 and Chapter 6, in other sections based on project needs selective learning . 3) If you have mastered the basic grammar of the MATLAB, the MATLAB Programming Fundamentals, please visit the Chapter 1, in particular thematic analysis section. First learning book chapters 4, 5 and 6, then the other chapters selective learning based on project needs. 4) If you are an expert or teacher of a MATLAB GUI, you can book as a teaching reference books, the book is comprehensive, explain the detailed, refined code, is a rare GUI canon.)

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)

有关于S函数的，滑模变结构例程3,内涵simulink和m函数(Learning about the S function, SMVSC routine 3)

用于数字滤波，可以有效率滤除高频信号，其中滤波频率固定(For digital filtering, can efficiently filter out high frequency signal, which filter frequency is fixed)