高光谱遥感图像端元提取代码

基于能量检测的双门限频谱检测性能仿真研究(Detection based on energy detection performance dual threshold Simulation of the spectrum)

Evalsure function for wavelet processing in wavelab

说明：  采用案例形式，以智能算法为主线，讲解了遗传算法、免疫算法、退火算法等多种最常用的智能算法的matlab实现，共30个案例，每一个案例都是使用智能算法解决问题的具体案例。所有案例均有理论、背景、程序实现代码和扩展阅读四个部分。(In the form of cases, taking the intelligent algorithm as the main line, this paper explains the matlab implementation of genetic algorithm, immune algorithm, annealing algorithm and other most commonly used intelligent algorithms, a total of 30 cases, each case is a specific case of using intelligent algorithm to solve the problem. All cases have four parts: theory, background, program implementation code and extended reading.)

能够实现定点小数的机器数表示、定点小数的变形补码加减运算、定点小数的原码一位乘法运算和浮点数的加减运算。(Able to achieve fixed-point decimal number of machines that the deformation of complement fixed-point decimal addition and subtraction operations, the original code a fixed-point decimal multiplication and floating-point operations of addition and subtraction.)

Face detection using L1 norm quantization

fuzzy based leach with out direct transmission to base

Fingerprint Recognition Using Minutiae-Based Features

归一化LMS滤波算法的MATLAB仿真程序 (Normalized LMS filtering algorithm MATLAB simulation program)

high pass windowed sync filter / plot/develop input output filter response

核密度估计又叫核函数估计。kernel density estimation是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt (1955)和Emanuel Parzen(1962)提出，又名Parzen窗（Parzen window）。Ruppert和Cline基于数据集密度函数聚类算法提出修订的核密度估计方法。由给定样本点集合求解随机变量的分布密度函数问题是概率统计学的基本问题之一。解决这一问题的方法包括参数估计和非参数估计。参数估计又可分为参数回归分析和参数判别分析。在参数回归分析中，人们假定数据分布符合某种特定的性态，如线性、可化线性或指数性态等，然后在目标函数族中寻找特定的解，即确定回归模型中的未知参数。在参数判别分析中，人们需要假定作为判别依据的、随机取值的数据样本在各个可能的类别中都服从特定的分布。经验和理论说明，参数模型的这种基本假定与实际的物理模型之间常常存在较大的差距，这些方法并非总能取得令人满意的结果。由于上述缺陷，Rosenblatt和Parzen提出了非参数估计方法，即核密度估计方法．由于核密度估计方法不利用有关数据分布的先验知识，对数据分布不附加任何假定，是一种从数据样本本身出发研究数据分布特征的方法，因而，在统计学理论和应用领域均受到高度的重视。