基于格拉布斯准则判断异常数据代码

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。

【实例简介】PMSM电机本体搭建的Simulink仿真模型 从最基础搭建起来的PMSM电机本体，与MATLAB自带PMSM运行出来的结果一致

【实例简介】

高清文字版，可复制

Kalman滤波基础及MATLAB仿真——程序、部分习题答案、课件

多目标跟踪matlab.rar

MPSK通信系统蒙特卡罗仿真

【实例简介】半波振子方向性图

SIFT图像特征提取.zip

投影寻踪模型代码