SVM_lzb1p0

用matlab编写的,提供一种求解最优哈密尔顿的算法---三边交换调整法.(prepared by using Matlab and provide a solution to the optimal algorithm Hamilton--- trilateral exchange adjustment.)

Jakes model for multipath fading channel

matlab勒让德 - 高斯求积,用于计算勒让德 - 高斯求积分(Gauss–Laguerre quadrature)

用matlab模块搭建而成蓄电池模型，非自带matlab蓄电池模型(Build a model using matlab module the battery, non-battery model comes with matlab)

Cumulant-Based Inverse Filter

more examples on how to compute regression

实现RLS算法的MATLAB仿真,实现自适应波束形成(RLS algorithm for the realization of the MATLAB simulation, the realization of adaptive beamforming)

K-MEANS algorithm Input: cluster number k, and contains n data object . Output: the minimum

说明：  薛定宇教授做的一个关于ADRC的matable，适合新手入门(Professor xue dingyu did a matable about ADRC, suitable for beginners)

1 SIFT 发展历程 SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。后来Y.Ke将其描述子部分用PCA代替直方图的方式，对其进行改进。 2 SIFT 主要思想 SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。 3 SIFT算法的主要特点： a) SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。 b) 独特性(Distinctiveness)好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配[23]。 c) 多量性，即使少数的几个物体也可以产生大量SIFT特征向量。 d) 高速性，经优化的SIFT匹配算法甚至可以达到实时的要求。 e) 可扩展性，可以很方便的与其他形式的特征向量进行联合。 4 SIFT算法步骤： 1） 检测尺度空间极值点 2） 精确定位极值点 3） 为每个关键点指定方向参数 4） 关键点描述子的生成 本包内容为sift算法matlab源码(1 SIFT course of development SIFT algorithm by DGLowe in 1999, the perfect summary of 2004. Later Y.Ke its description of the sub-part of the histogram with PCA instead of its improvement. 2 the SIFT main idea The SIFT algorithm is an algorithm to extract local features in scale space to find the extreme point of the extraction location, scale, rotation invariant. 3 the main features of the SIFT algorithm: a) SIFT feature is the local characteristics of the image, zoom, rotate, scale, brightness change to maintain invariance, the perspective changes, affine transformation, the noise also maintain a certain degree of stability. b) unique (Distinctiveness), informative, and mass characteristics database for fast, accurate matching [23]. c) large amounts, even if a handful of objects can also produce a large number of SIFT feature vectors. d) high-speed and optimized SIFT matching algorithm can even achieve real-time requirements. e) The scalability can be very convenient fe)