@fsv

本文用用Harris算子提取特征点，基于特征点的匹配，加权融合图像拼接(In this paper, feature extraction using Harris operator point, based on feature matching, weighted fusion image mosaic)

说明：  一束5W 的线偏振光以Φ = 45 度方位角振动，垂直入射到玻璃 - 空气表面，该光束波长0.6μm，玻璃介质折射率1.54 @0.6m，当入射角θ从0-70 度变化时，通过给定条件，分别完成如下要求： 画出该光束反射光的光强曲线（I-θ）； 分析该反射光束的偏振态变化，画出偏振方向变化曲线（φ-θ）和偏振光束相位变化曲线 （Φ-θ）。 （注：光束从光密到光疏的界面，在入射角θ 从0-70 度变化中，包括了临界角θc）(Bunch of linearly polarized light 5W to Φ = 45 degrees azimuth vibration, normal incidence to the glass- air surface, the beam wavelength 0.6μm, glass refractive index 1.54 @ 0.6m, when the incident angle θ changes from 0-70 degrees By the given conditions, namely the completion of the following requirements: Draw the reflected light beam intensity curve (I-θ) analysis of changes in the polarization state of the reflected beam, draw the polarization direction of the curve (φ-θ) and polarized beam phase curve (Φ-θ). (Note: the light beam from the optical density of the interface is sparse, the incident angle θ  variation from 0-70, including the critical angle θc))

实现了两电平逆变器上异步电机直接转矩控制仿真,引入了一种典型的直接转矩控制改进算法DSVM,并进行了仿真(DTC)

这是一个灰色预测方法的word文档，介绍了灰色预测的理论。(This word document is a gray prediction method, gray prediction theory.)

基于MATLAB的电力系统分析工具箱Matpower 4.1版本(MATLAB based Power system analysis toolbox--- Matpower version:4.1)

自己写的多分辨率SVD函数，普通SVD也包含在内，采用类似小波多分辨率分析进行SVD降噪、降维，奇异点求解(Multi-resolution SVD function, using wavelet-like multi-resolution analysis for SVD noise reduction, dimension reduction, singular point solution)

在第三步的后处理过程中，主要基于人类视觉的一些特性。人类视觉分为低照度下的暗视觉和正常照明下的明视觉以及中间视觉。在暗视觉条件下，人类视觉的对比度分辨率很低。因此，根据退化模型恢复出来的图像虽然对比度很高，细节比较丰富，但由于暗视觉条件下，没有达到人类视觉对比度分辨率的阈值，所以仍然不能被人类视觉感知。因此，需要通过增强图像的亮度，使图像适合人眼观察。人类视觉对比度分辨率阈值称为JND(Just-noticeable difference)，定义为在一幅背景均匀的图像中，人的视觉系统所能感知的、均匀物体与背景之间的最小亮度差异。

A GUI financial technical analysis toolbox. (A GUI financial technical analysis toolbox.)

matlab教程，详细介绍了matlab的各个部分(matlab tutorial, detailing every part of matlab)

利用逻辑回归实现二分类的matlab程序。随机生成训练样本，利用梯度下降法进行训练，并且在样本图上画出了分类边界。(Logistic regression for binary classification matlab procedures. Randomly generated training samples, the training using the gradient descent method, and is shown in Figure on the sample classification boundaries.)