wrl2mat_m

modelisationofcontrolofmotor c.cwithmatlab Fuzzylogic

music算法运用于波达方向的测定,波达方向的测定先现广泛用于雷达等应用中.music算法是个很成熟的算法,如今学者们就计算量,精确度上的问题又提出了很多的改进算法.如下为 基本算法,可正确运行(music DOA algorithm applied to the determination of DOA in the first radar is widely used in such applications. music algorithm is a very mature algorithm, Now scholars on the calculation accuracy on the problem makes a lot of improved algorithm. following the basic algorithm, can be correctly operation)

谢汉龙matlab书籍第四章基本入门功能的实现过程，常用matlab的基础程序(Implementation Xiehan Long basic introductory chapter books matlab function, commonly matlab foundation program)

MATLAB finite element code IV

error finding by trial and error mathod

这个文件包含了正弦调频信号的魏格纳威利分布以及经过平滑和加窗后的伪魏格纳威利分布和平滑伪魏格纳威利分布(This file contains a sinusoidal FM signal of the Wigner distribution and Na Weili after smoothing processing window of the pseudo-Wigner-Na Weili smoothed pseudo-Wigner distribution and the distribution of Na Weili)

说明：  ICI reduction可能程序有些复杂，见谅，望大家多多指正(ICI reduction可能程序有些复杂，见谅)

快速块LMS算法 利用FFT，实现频域的LMS快速算法，并且能够加快算法的收敛速度(Fast Block Least Mean Squares)

S4VM 对传统的S3VM 进行了改进。传统的S3VM 基于低密度假设，它试图找到一个低密度的分界线， 也就是更倾向于决策边界穿过特征空间的低密度区域。S4VM 和S3VM 的不同点在于，S3VM 试图把注意力 集中在一个最优的低密度分界线上，而S4VM 则同时关注多个可能的低密度分界线。之所以这样做，是因为 给定一些有标记的点和大量未标记的点，可能存在着不止一个“间隔”较大的低密度分界线（如图2 ），基于 有限的标记样本，很难决定哪个是最好的。虽然这些低密度分界线都与有限的标记样本吻合，但它们之间差 异很大，因此如果选择错了，会有一个很大的损失，导致性能下降。所以S4VM 试图考虑所有可能的低密度 分界线。 (Over the past decade, many improved versions are proposed to solve every different specific problem of semi-supervised support vector machines, for example: to the inefficiency issue, meanS3VM is introduced to performance degenerate problem, S4VM is proposed)

对于来向角度估计的ESPRIT算法的仿真，给出了该算法的代码(ESPRIT )