聚类算法的isodata算法的实现

K-clustering / Linkeage(K-clustering/Linkeage)

说明：  使用sift进行的图像拼接，matlab语言实现(Image mosaic using sift)

在机动目标跟踪中，机动目标模型是机动目标跟踪的基本要素之一，一般希望机动目标模型能准确表征目标机动时的各种运动状态。比较常用的模型有匀速运动(CV)模型、匀加速运动(CA) 模型、时间相关模型（Singer）和机动目标“当前”统计模型。上述模型均采用机动频率表征目标的机动情况。在应用当中，通常采用固定的机动频率，这就表示机动目标的机动时间是一定的，而实际上机动目标的机动时间是不断变化的，也就是说机动频率是不断变化的，采用固定机动频率必然会带来误差。采样周期在0.5—2S时，机动频率越小跟踪精度越高[1]，但机动频率仍然是固定值。本文提出的基于神经网络的机动频率自适应调整方法可以使机动频率随机动而变化，从而提高状态估计的准确性，提高跟踪精度。本文将小波神经网络用于机动目标跟踪中机动频率的自适应调整，该算法对机动目标“当前”统计模型中的机动频率进行实时修改, 从而自适应的改变机动频率,使跟踪算法与目标的真实状态更接近。该算法采用小波神经网络的离线训练，实时性好。(The maneuver of the maneuvering target is uncertain. The maneuvering frequency is constantly changeable, but traditionally it is beforehand determined as a constant based on the target state estimation in the state model of the maneuvering target. The maneuver of the maneuvering target makes the kinematics equation of the target model mismatch with the practical motion model and the tracking error will be increased. Based on the advantages of the self-learning, the rapid convergence rate and the nonlinear approximation ability of the wavelet neural network, it was put forward to be used in the field of target tracking in the paper. The new residual is used as the input of the wavelet neural network, the output of the network is used to adjust adaptively the maneuvering frequency of the CS model. The algorithm is more close to the real state of the target. The simulation results showed that tracking error can be reduced and the tracking accuracy can be improved.)

MODEL-BASED FINITE MIXTURES USING THE EM ALGORITHM

用matlab编写的实现光流计算Lucas-kanade算法源代码(Using matlab to achieve optical flow Lucas-kanade algorithm source code)

利用遗传算法对ARMA(p,q)模型进行优化，减少人为因素在模型定阶过程的影响，通过构建基于遗传算法的ARMA(p,q)模型，确定ARMA模型的具体阶数，并对航空发电机的状态趋势进行分析。(ARMA (p, q) model to optimize the use of genetic algorithms to reduce the impact of human factors in the process of model order, by constructing ARMA (p, q) model based on genetic algorithms to determine the specific order of the ARMA model, and aviation generator state trend analysis.)

实现雷达信号线性调频的相关处理，对雷达信号的细微特增进行分析(Chirp radar signal processing, radar signal subtle increase in special analysis)

AR自回归模型，主要介绍时间序列分析中重要的一个模型。(AR autoregression model, time series analysis introduces an important model.)

自适应调制和编码  •  vDifferent高阶调制让你每个符号发送更多的比特，从而实现更高的吞吐量和更好的频谱效率。  vHowever，还必须指出的是，采用的调制技术时，如64-QAM，更好的信号 - 噪声比（SNR）的需要，以克服任何的干扰并维持一定的误比特率（BER）。  §  v该编码率，直接影响带宽，并且可以被动态地改变依赖于信道条件。另外，自适应调制使得系统能够克服衰落和其他干扰。  V编码是很自然的选择与自适应调制的使用，因为该信道编码和调制的设计是可分离的。  因此，设计为加性高斯白噪声（AWGN）信道格型和格码可以被叠加在自适应调制为衰落信道，具有大致相同的编码增益。

说明：  基于特征点的图像拼接，但需要人工选择特征点。(Based on feature points of the image stitching, but the need to manually select feature points.)