PSO_A-Alogrithm--Hybrid-

摄影测量中用于特征点检测的一个Matlab程序。检测主要针对边缘来进行。(Photogrammetry is used to detect feature points of a Matlab program. Mainly carried out for the edge detection.)

说明：  MATLAB 粒子群单目标优化程序，简单易懂！(Particle swarm optimization of single objective optimization program, easy to understand! )

pso algoritm useful for optimazation

非常好用的matlab相机标定。可以自动估算出内部和外部参数(matlab toolbox for dot pattern based camera calibration. It estimates the intrinsic and extrinsic parameters of the cameras. The 3D model can be also refined via optional bundle adjustment)

Newton-Raphson算法 介绍 在科学计算和财经工程领域，许多数值算法都是通用的（至少在理论上是），可广泛地用于解决一类问题。一个大家熟悉的例子就是Newton-Raphson例程，它可用来寻找方程 f(x)=0的数值解。标准的数学表达式f(x)表示f是变量x的函数，其通常的表达形式为f(x,a,b,...)=0，f被定义为多于一个变量的函数。在这种情况下，Newton-Raphson算法试图把x以外的变量固定并作为参数，而寻找关于变量x的数值解。 由于Newton-Raphson算法需要知道被求解函数的确切表达，其传统实现方法是直接将代码嵌入到客户应用程序中。这就使得算法的实现代码经过针对不同被求解函数的少量修改后在客户程序中反复出现。 同许多其它数学例程一样，Newton-Raphson算法的具体实现是应该与特定用户无关的。并且，重复编码在任何情况下都应该尽量避免。我们很自然地会想到把该类例程作为库函数来实现，以使客户程序可以直接调用它们。但是，这种实现方式必然会涉及到如何将用户自定义函数（Newton-Raphson 例程需要调用该函数）封装成可以作为参数传递的形式。 (err)

光伏阵列Simulink仿真文件 光伏阵列(PV array Simulink simulation files)

该算法是针对相干信号源 联合开发网 - pudn.com

研究上课所讲谱分析方法，利用实验验证书中的结论，掌握各种谱分析方法，学会实验设计和实验结果分析。 实验内容： 所应用到的谱分析方法，包括： 1） 非参数化方法：周期图（直接法）、BT法（间接法），Welch平均周期图法 2） 参数化方法： RELAX、Capon 3） 空间谱估计：常见的DOA方法（Capon） (Experimental Objective: To study methods of spectral analysis class talking about the use of experimental verification of the conclusions of the book, to master a variety of spectral analysis methods, learn experimental design and experimental results. Experiment content: applied to the spectral analysis methods, including: 1) non-parametric methods: periodogram (direct method), BT method (indirect method), Welch average periodogram 2) parameterization: RELAX, Capon 3) spatial spectrum estimation: common of DOA method (Capon))

induction motor line start simulation in matlab

Phase-based Opic Flow Algorithm, described in Gautama, T. and Van Hulle, M.M. [2002]. A Phase-based Approach to the Estimation of the Optical Flow Field Using Spatial Filtering. IEEE Trans. Neural Networks, 13[5], 1127--1136.