主成分PCA分析的matlab完整代码（可直接运行）及案例分析

在实际问题中，经常遇到需要研究两组多重相关变量间的相互依赖关系，并研究用一组变量（常称为自变量或预测变量）去预测另一组变量（常称为因变量或响应变量），除了最小二乘准则下的经典多元线性回归分析（MLR），提取自变量组主成分的主成分回归分析（PCR）等方法外，还有偏最小二乘（PLS）回归方法。 偏最小二乘回归提供一种多对多线性回归建模的方法，特别当两组变量的个数很多，且都存在多重相关性，而观测数据的数量（样本量）又较少时，用偏最小二乘回归建立的模型具有传统的经典回归分析等方法所没有的优点。  偏最小二乘回归分析在建模过程中集中了主成分分析，典型相关分析和线性回归分析方法的特点，因此在分析结果中，除了可以提供一个更为合理的回归模型外，还可以同时完成一些类似于主成分分析和典型相关分析的研究内容，提供更丰富、深入的一些信息。

神经网络LSTM 时间预测

%chirp信号脉冲压缩实验,f0=5.321GHz,B=40MHz,Tp=6μs

吴宇飞博士的turbo码的matlab代码

数组与矩阵-练习.docx

mpc有约束控制.slx

基于极大选择原理的自适应Fourier分解算法，比Fourier级数收敛速度更快。

打靶法求解工程中悬臂梁边值问题，得到悬臂梁的位移曲线

【实例简介】 使用元胞自动机使用多种真菌在木头上生长的模拟

D-S 多传感器信息融合 matlab实现.rar