可靠性分析的函数检验程序

XYZ色彩空间到LAB空间（XYZ2Lab.m）

Sine Cosine Algorithm

【实例简介】 主要包括： 基于PSO工具箱的函数寻优算法 基于遗传算法的BP神经网络优化算法 基于遗传算法的LQR控制器优化设计 基于遗传算法的TSP算法 基于粒子群算法的PID控制器优化设计 粒子群算法的寻优算法 蚁群算法的优化计算——TSP优化 多种群遗传算法的函数优化算法 基于蚁群算法的三位路径规划算法 基于动态粒子群算法的动态环境寻优算法 免疫优化算法在物流配送中心选址中的应用 基于遗传算法和非线性规划的函数寻优算法 支持向量机的回归拟合——混凝土抗压强度预测 支持向量机分类——基于乳腺组织电阻抗特性的乳腺癌诊断 有监督学习神经网络的回归拟合——基于红外光谱的汽油辛烷值预测

采用正弦型转矩分配函数

计算不同大小球形粒子集合的散射,粒子大小分布

非均匀线阵MUSIC算法matlab程序

【实例简介】有具体实例 完整代码

高清文字版，可复制

1998年，Norden E. Huang（黄锷：中国台湾海洋学家）等人提出了经验模态分解方法，并引入了Hilbert谱的概念和Hilbert谱分析的方法，美国国家航空和宇航局（NASA）将这一方法命名为Hilbert-Huang Transform，简称HHT，即希尔伯特-黄变换。

%% 输入数据 %0负荷节点  1PQ节点  2PV 节点  3平衡节点 %序号 bus   Area Zo co V   sita    PL       QL        PG      QG      Vbase?    PVBASE  PVQmax  PVQmin BUS=[...    1    100   1  1  3 1.04  0.     0.       0.        71.6410 27.04592 100.    1.04   999900 -99990                                                                                                                                                                                   2    100   1  1  2 1.025 9.28   0.       0.        163.    6.65366  100.    1.025  999900 -99990                                                                                                                                                                                 3    100   1  1  2 1.025 4.6647 0.       0.        85.     -10.8597 100.    1.025  999900 -99990                                                                                                                                                                                   4    100   1  1  1 1.025 -2.216 0.       0.        0.      0.       100.    1.       0.     0.                                                                                                                                                                                      5    100   1  1  1 0.995 -3.988 125.     50.       0.      0.       100.    1.       0.     0.                                                                                                                                                                                    6    100   1  1  1 1.012 -3.687 90.      30.       0.      0.       100.    1.       0.     0.                                                                                                                                                                                      7    100   1  1  1 1.025 3.7197 0.       0.        0.      0.       100.    1.       0.     0.                                                                                                                                                                                     8    100   1  1  1 1.015 0.7275 100.     35.       0.      0.       100.    1.       0.     0.                                                                                                                                                                                    9    100   1  1  1 1.032 1.9667 0.       0.        0.      0.       100.    1.       0.     0. ];