Kmedoid 是类似于Kmean的Clustering method。

说明：  图像处理应用及相关说明，matlab相关函数的应用及说明(Image processing applications)

WAP to check whether a given system H1

通过预建的人脸图像库，实现人脸识别的matlab程序。(By pre-built library of face images, face recognition matlab program.)

buck电路的搭建和仿真，搞电源的童鞋可以相互学习。( 英语 中文(简体) 日语 buck circuit structures and simulation, to engage the power of children s shoes can learn from each other.)

(1)针对在线计算量大这一缺陷，将预测控制中的柔化输出信号的思想推广到柔化输入信号，使得约束条件被简化为仅对当前控制量的约束，可以直接计算得出；同时该方法避免了求逆矩阵，大大减小了计算量，并能够保证控制算法的可行性和良好的控制性能。 (2)针对传统算法中设计参数整定困难这一缺点，应用基于BP神经网络变参数设计的广义预测控制算法，实现了对控制量柔化参数的在线调整。 (3)利用带有遗忘因子的最小二乘法对系统辨识。本文通过仿真发现该方法对于Hénon混沌系统并不完全适用，可考虑利用其他优化系统辨识的方法对本方法进行改进，以期达到更好的辨识效果。 (4)针对系统稳定性分析复杂，本文在控制增量前加入前馈因子，保证所选的Lyapunov函数使闭环系统满足Lyapunov稳定判据，由此证明闭环系统稳定。 (1. To solve the problem of GPC huge computation, algorithm with input increment constraints is presented in which the concept of output softness was used to soften the input increments．As a result, the constraints are simplified to be the only one constraint on the current control increment which can be computed directly. At the same time, it needn’t computing the inverse matrix and thus reduces large computation. Moreover, it guarantees the feasibility of the algorithm and has good control performance． 2. To overcome the difficulty in the choice of tuning parameters in traditional GPC, a GPC algorithm with variable parameter design based on BP neural network. is presented，in which the input softness parameters are tuned on line. 3. In this paper, we Identify system by using the least square method with forgetting factor. However, after system simulation, we realize that this method doesn’t fit the Hénon chaotic system perfectly. So we recommend modify this method by other Optimizati)

锅炉汽包水位自适应模糊控制 仿真可以很好运行(Boiler bubble water control can realize the simulation of boiler water level, and the effect is obvious. (control))

计算时间序列概率密度pdf，matlab程序(PDF)

mac层仿真，其中包括了四个协议的仿真，可根据需要进行设置(mac layer simulation, including the simulation of the four agreements, can be set as needed)

这是一个用于线性分类的支持向量机SVM的MATLAB实现。此代码利用简单的MATLAB内置函数实验了SVM，不依赖LIBSVM等工具箱，并且提供了一个例子，以供初学者一开始对SVM有一个简单了解。(This is a matlab code of support vector machine.Here the SVM is achieved with some common matlab function. It is for SVM beginner. )

任务： 1） 借助MATLAB画出误差性能曲面和误差性能曲面的等值曲线（参考PPT2.1第17页的两幅图）； 2） 写出最陡下降法以及LMS算法的计算公式（取 ）； 3） 用MATLAB产生方差为0.05, 均值为0白噪音S(n)，并画出某次采样得到的波形（即产生任意一个噪声随机序列）； 4） 根据 2）中的公式，并利用 3）中产生的S(n)，在 1）中的误差性能曲面的等值曲线上叠加画出采用最陡下降法以及LMS法时H(n)的在叠代过程中的轨迹曲线（参考PPT2.1第17页的右下图的曲线1和曲线2）。 5）用MATLAB计算并画出LMS法时 随时间n的变化曲线（对应S(n)的某一次的一次实现）和e(n)波形； 注意：某一次实现的结果并不能从统计的角度反映实验的结果 的正确性，为得到具有统计特性的实验结果，可用足够多次的 实验结果的平均值作为实验的结果。用MATLAB计算并画出 采用LMS法时，J(n)的100次实验结果的平均值随时间n的变 化曲线（即 生成随机噪声信号并计算结果，重复执行100次， 求平均结果）。 6）在 1）中的误差性能曲面的等值曲线上，叠加画出采用LMS法得到的100次实验中的H(n)的平均值的轨迹曲线； (Task: 1 ) Draw with MATLAB error performance surface and surface contour error performance curve ( refer PPT2.1 two chart on page 17 ) 2 ) Write the steepest descent method and the LMS algorithm formula ( take ) 3 ) Using MATLAB to generate variance of 0.05 with a mean of 0 white noise S (n), and draw a particular sampling waveform ( ie, any noise generated random sequence ) 4 ) based on 2 ) of the formula , and use 3 ) generated in S (n), in a ) the error performance curves superimposed on the surface contour plot using the steepest descent method and the LMS method when H (n) the iterative process in the trajectory curve ( refer PPT2.1 page 17 bottom right of the curves 1 and 2 ) . 5 ) using MATLAB LMS method is used calculate and draw the curve with time n (corresponding to S (n) of a first implementation of a ) and e (n) waveform Note : in a first implementation of the results are not reflected from a statistical point of view of accuracy of the experimental results ,)