ClusteringBasedImageSegmentation

《MATLAB实用教程》 MATLAB例程源代码 可作为电子、通信、自控等专业本科生研究生及广大科研人员的参考。 (" MATLAB Practical Tutorial" MATLAB routine source code can be used as electronics, communications, self-control and other professional researchers undergraduate students and the general reference.)

说明：  MATLAB示例代码 从2004年11月起，《MATLAB及在电子信息课程中的应用》的下载程序dsk01改为dsk02。两者只有微小的差别。主要的修改是： 1． 所有的生成图形都由灰色改成白色，以便与书籍上的图相同。 2． 删去了几个无用的程序； 3． 加了了几个程序（如q48a和q48b），以便和书上的章节演示内容相符。(MATLAB sample code from November 2004 onwards, "MATLAB and electronic information in the curriculum of" download dsk01 dsk02 changed. Taken only a very small difference. The major changes are : 1. All graphics generating replaced by gray and white, with the books to the same map. 2. By deleting a few useless procedures; 3. The increase in the number of procedures (such as q48a and q48b), and to book chapters on the demonstration line content.)

satellite image fusion

expectation maximization algorithm

说明：  《MATLAB 7.0编程基础基础》源程序，适合初学者使用，第6章(&quot MATLAB 7.0 programming foundation base&quot source, suitable for beginners, Chapter 6)

marmousi模型，用于地震资料的反演方法，可作为验证反演方法精度的模型(marmousi model for seismic data inversion method can be used as a method to verify the accuracy of the model inversion)

自适应滤波和智能天线书中附加的例题Matlab源程序，对于想深入学习此书是十分有帮助的。(Adaptive filtering and smart antenna book Matlab Example additional source, who want to study in depth the book is very helpful.)

finite difference method to solve a 3-D BVP that models heat transfer

S4VM 对传统的S3VM 进行了改进。传统的S3VM 基于低密度假设，它试图找到一个低密度的分界线， 也就是更倾向于决策边界穿过特征空间的低密度区域。S4VM 和S3VM 的不同点在于，S3VM 试图把注意力 集中在一个最优的低密度分界线上，而S4VM 则同时关注多个可能的低密度分界线。之所以这样做，是因为 给定一些有标记的点和大量未标记的点，可能存在着不止一个“间隔”较大的低密度分界线（如图2 ），基于 有限的标记样本，很难决定哪个是最好的。虽然这些低密度分界线都与有限的标记样本吻合，但它们之间差 异很大，因此如果选择错了，会有一个很大的损失，导致性能下降。所以S4VM 试图考虑所有可能的低密度 分界线。 (Over the past decade, many improved versions are proposed to solve every different specific problem of semi-supervised support vector machines, for example: to the inefficiency issue, meanS3VM is introduced to performance degenerate problem, S4VM is proposed)

迭代学习similink 闭环PD型多输入多输出迭代学习控制，双入双出(ILC SIMULINK two input two output.)