多目标遗传算法例程

一个CMA算法程序，可以对CMA算法进行一些仿真研究(A CMA algorithm procedures, CMA algorithm can carry out some simulation studies)

对脉搏波的波峰波谷以及重搏波拐点的检测，挺好用的。。(On the pulse wave dicrotic wave peaks and valleys as well as the inflection point detection, very good use. .)

Binomial regression on Ca4227, Ca4455 and FeH

The DeltaBlue Algorithm: An Incremental Constraint Hierarchy Solver.

这是我的大作业，作用是测试车流量并计数，使用高斯模型对车辆进行定位分割，已验证成功内附测试视频(This is my big job, the role is to test the traffic flow and counting, the use of the Gauss model of the vehicle positioning and segmentation, has been verified successfully included test video)

说明：  压缩感知重构算法之迭代硬阈值的源代码如下(The source code of the iterative hard threshold for the compressed sensing (CS_IHT) reconstruction algorithm is as follows)

matlab实现了五类灰色关联度模型的计算,包括最后计算压缩图像的峰值信噪比和压缩效果的源码,可直接计算得到多重分形谱,包含飞行器飞行中的姿态控制，如侧滑角，倾斜角，滚转角，俯仰角，AHP层次分析法计算判断矩阵的最大特征值,有PMUSIC 校正前和校正后的比较。

卡尔曼滤波器，也称为线性二次估计（LQE），是一种使用了一系列的观察随时间的测量，含有噪声（随机变化）和其它不准确的算法，并产生往往比更精确的未知变量的估计那些基于单个测量一个人。更正式，卡尔曼滤波器递归操作上嘈杂的输入数据流，以产生底层系统状态的统计optimalestimate。该过滤器被命名为鲁道夫（鲁迪）E.卡尔曼，其理论的主要开发者之一。卡尔曼滤波器具有技术许多应用。一个常见的应用是用于指导，导航和车辆控制，特别是飞机和航天器。此外，该卡尔曼滤波器是在例如信号处理和计量领域中使用的广泛应用的概念银泰序列分析。该算法工作在一个两步骤的过程。在所述预测步骤中，卡尔曼滤波器产生的当前状态变量的估计值，以及它们的不确定性。一旦下一个测量（一定损坏与一定量的误差，包括随机噪声）的结果观察到，这些估计是使用加权平均，具有更多的权重被给予较高的确定性的估计进行更新。由于该算法的递归性的，它可以实时运行仅使用本输入的测量和先前计算出的状态，并且它的不确定性矩阵;不需要额外的过去的信息。它是卡尔曼滤波假设所有的误差项和测量高斯分布一种常见的误解。卡尔曼的原纸使用正交投影理论表明该协方差最小化导出的过滤器，以及此结果不需要任何假设，例如，该误差是高斯型的。[1]然后，他表明，该过滤器产生的确切条件概率估计在特殊的情况下，所有的误差是高斯分布。

fast color conversion from RGB to HSV for matlab

通过反复训练模板能有较高的识别率，模拟数据分析处理的过程，与理论分析结果相比，包括调制，解调，信噪比计算，FMCW调频连续波雷达的测距测角，计算多重分形非趋势波动分析。