HL

非负矩阵分解程序，里面包含了全面的相关资料和程序代码。(Non-negative matrix factorization program)

GM(1,1)模型1-4 1：GM(1,1)模拟模型，在matlab中的输入方法为gm1（x），x指要模拟的序列。 2：GM(1,1)预测模型，在matlab中的输入方法为gm2（x，K），x指要模拟的序列，K指从以后序列第一个数据算起的第k个待预测数据。 3：GM(1,1)群模拟模型，在matlab中的输入方法为gm3（x），x指要模拟的序列。 4：GM(1,1)群预测模型，在matlab中的输入方法为gm4（x，K），x指要模拟的序列，K指从以后序列第一个数据算起的第k个待预测数据。 gm4对序列趋势比较好的数据预测效果较好，对上下变动的数据，特别是后4个数据趋势跟前面的数据相反的，预测效果很差。 gm2对上下变动的数据，预测效果比gm4好，但对趋势较好的数据，预测精度没有gm4高。 gm3比gm1模拟精度要高。 可以以x=[1 3 5 7 9 11 13 15]进行实验。x输入默认行向量。 所有程序在matlab6.0上调试通过。(GM (1,1) 1-4 1 : GM (1,1) simulation model Matlab in the input method for gm1 (x), x entail simulation sequence. 2 : GM (1,1) model, in the Matlab input method for gm2 (x, K), x entail simulated sequence, from the K refers to the first series after a run of data k pending forecast data. 3 : GM (1,1)- simulation model, in the Matlab input method for gm3 (x), x entail simulation sequence. 4 : GM (1,1)- forecasting model, in the Matlab input method for gm4 (x, K), x entail simulated sequence, from the K refers to the first series after a run of data k pending forecast data. Gm4 right sequence relatively good trend data predicted better results, the next change in the data, especially after four data with the previous trend data contrary, predict poor. Gm2 next to the change in forecast resu)

BER for BPSK modulation with 2x2 MIMO and ZF-SIC-Sorted equalizer (Rayleigh channel)

纵向罗绮光栅的制作。用于生成周期为6个（可以根据需要改变）像素的纵向罗绮光栅，可以根据需要设定光栅的分辨率。(Vertical Luo Qi Grating. Used to generate a period of 6 (can be changed) pixels vertically Luo Qi grating may be based on need to set raster resolution.)

常微分方程的求解(自适应步长的龙格库塔法)(The solution of ordinary differential equations (adaptive step Runge-Kutta method))

watermarking using dwt

使用ID3决策树算法预测销量高低,对数据进行预处理，最终打印并画决策树(Using ID3 Decision Tree to Predict Sales)

说明：  MATLAB国外经典，英文学习好的可以下载学习啊。(MATLAB foreign classics, and English learning good study can be downloaded ah.)

matlab7.0基础教程，很全面，适合初学者(matlab7.0 Basic tutorial, very comprehensive, suitable for beginners )

Empirical Mode Decomposition (EMD) spectrum