Comparison

本书基于MATLAB 5.2版，提供了使用MATLAB的实践性指导。MATLAB已成为适合多学科、多种工作平台的功能强大、界面友好、语言自然并且开放性强的大型优秀应用软件，同时也已成为国内外高等院校高等数学、数值分析、数字信号处理、自动控制理论以及工程应用等课程的基本教学工具。本书按逻辑编排，自始至终用实例描述；内容完整且每章相对独立；是一本简明的MATLAB参考书，既适用于初学者，也适用于高级MATLAB用户。对MATLAB与FORTRAN、C等语言结合的描述更是所有MATLAB书籍中少有的一大特色。 本书适合作为理工科高等院校研究生、本科生教学用书，也可作为广大科研工程技术人员的自学用书。

matlab的使用命令大全，可以在做matlab开发的时候给与很好的帮助(the use of matlab command Daquan, you can do matlab developed a good time to give help)

这是在非正交（NOMA）环境下对用户的功率分配采用固定分配，前后用户功率比满足一定的要求(This is at a non-orthogonal (NOMA) environment on the user' s power allocation fixed allocation before and after the user power ratio meet certain requirements)

QRS detection, Pan & Tompkins 算法完整实现(Complete Implementation of the Algorithms:QRS detection, Pan & Tompkins)

基于matlab的人工免疫算法，适用于故障诊断(Matlab-based artificial immune algorithm for fault diagnosis)

雷达工具箱，matlab实现的，内涵上百工具例程(radar Toolbox, Matlab achieved, meaning hundreds of tools routines)

用matlab软件谱出卡农音乐的程序源代码(Spectrum of the source code of the canon of music using matlab software)

双孤子模拟程序，对光纤中的孤子进行仿真，实验结果较理想(Two-soliton simulation program, the soliton fiber simulation, more satisfactory results)

采用LSE算法的OFDM系统信道估计表现 (LSE algorithm for OFDM systems with channel estimation performance)

支持向量机的研究现已成为机器学习领域中的研究热点，其理论基础是Vapnik[3]等提出的统计学习理论。统计学习理论采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型泛化误差的上界，即最小化模型的结构风险，从而提高了模型的泛化能力，这一优点在小样本学习中更为突出。SVM理论正是在这一基础上发展而来的，经过十几年的研究和发展，已开始逐步应用于一些领域。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数逼近和概率密度估计等方面取得了良好的效果。( Support Vector Machine (SVM) is a new machine learning technique in recent years developed based on statistical learning theory (SLT). It wins popularity due to many attractive features and emphatically performance in the fields of nonlinear and high dimensional pattern recognition. The theory and algorithm of SVC is studied at first, then, simulation is to recognize handwritten numeral with the Lib-SVM toolbox. At last, we study the result, which shows that the SVC can do the classification problem with good performance, shorter operation time and is more suitable for real-time implementation.)