bei-jing--jiang-shui-liang

newton-raphon 法解方程程序(newton-raphon )

直流双闭环调速系统，是用神经网络作为控制器的(DC double-loop speed control systems, neural networks are used as a controller)

matlab code for cripppong an image

摆动筛，物体左移、右移、跳跃条件，k线，曲线图(Were screening )

实现了基于小波的图像融合，并取得了良好的融合效果。(refusion based on wavelet)

实现聚类K均值算法： K均值算法：给定类的个数K，将n个对象分到K个类中去，使得类内对象之间的相似性最大，而类之间的相似性最小。 缺点：产生类的大小相差不会很大，对于脏数据很敏感。 改进的算法：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。(achieving K-mean clustering algorithms : K-means algorithm : given the number of Class K, n will be assigned to target K to 000 category, making target category of the similarity between the largest category of the similarity between the smallest. Disadvantages : class size have no great difference for dirty data is very sensitive. Improved algorithms : k-medoids methods. Here a selection of objects called mediod to replace the center of the above, the logo on a medoid this category. Steps : 1, arbitrary selection of objects as K medoids (O1, O2, Ok ... ... Oi). Following is a cycle : 2, the remaining targets assigned to each category (in accordance with the closest medoid principle); 3, for each category (Oi), the order of selection of a Or, calculated Oi Or replace the consumption-E (Or))

说明：  多模型PLS算法，用来适应多模型的情况，避免误报漏报(PLS algorithm for multi-model, used to adapt the case of multi-model)

说明：  是matlab中对bp理论的源代码 通过此代码 只需输入原始数据 通过计算可以得到 预期的输出结论(the cold for matlab)

big great world if at on in upon secondary selection under table. For the time now till down

IMAGE PROCESSING TOOL USING GUI IN MATLAB