matlab sor代码计算数学 一些 Matlab 函数和代码。 我很高兴分享我关于基本计算数学算法的代码，例如二分搜索、数值微分、数值积分、SOR 算法等。 如果您对我的代码有任何疑问，请随时与我联系。

An introduction to computational fluid dynamics the finite volume method H.K. Versteeg and W.Malalasekera 英文原版

偏微分方程数值求解 matlab 适合工科研究生博士生参考 也可作为工程人员参考

Theoretical Neuroscience - Computational and Mathematical Modeling of Neural Systems _ Peter Dayan, L. F. Abbott 计算神经必备的神经科学专著，作者是两个大牛。

这是关于信号处理的电子书，高清，最新版本，经典著作，英文版

Computational Statistics in the Earth Sciences With Applications in MATLAB 英文无水印原版pdf pdf所有页面使用FoxitReader、PDF-XChangeViewer、SumatraPDF和Firefox测试都可以打开 本资源转载自网络，如有侵权，请联系上传者或csdn删除 查看此书详细信息请在美国亚马逊官网搜索此书

This is a textbook for advanced undergraduate and graduate students in the field of mobile robotics. Emphasising computation and algorithms, the authors address a range of strategies for enabling robots to perform tasks that involve motion and behavior. The book is divided into three major sections: locomotion, sensing, and reasoning. It concentrates on wheeled and legged mobile robots, but discusses a variety of other propulsion systems. Kinematic models are developed for many of the more common locomotive strategies. It presents algorithms for both visual and nonvisual sensor technologies, including sonar, vision, and laser scanners. In the section on reasoning, the authors offer a thorough examination of planning and the issues related to spatial representation. They emphasize the problems of navigation, pose estimation, and autonomous exploration. The book is a comprehensive treatment of the field, offering a discussion of state-of-the art methods with illustrations of key technologies.

逆问题是几乎所有遥感探测的数学原理，诸如医学成像、地震探测、雷达成像，超声探测等。掌握了逆问题求解方法，也就掌握了不同探测模式的共同本质。

The book Detecting Regime Change in Computational Finance is the first book of its kind to build on the framework of Directional Change. The concept of Directional Change is a new field of research that rethinks the way in which data is represented and sampled

7.5 聚类法 思路 将像素投射到特征空间成为样本点，根据样本点在特征空间的分布特性进行聚类。将类别标号投射回图像空间作为 像素的标号，进而实现分割。 哪些视觉元素容易被聚为同一类（1F2S2P4C） Proximity : 空间相邻性 Similarity : 特征相似性 Common fate : 运动同向性 Common region : 区域归属 Closure : 趋向于闭合 Parallelism : 平行性 Symmetry : 对称性 Continuity : 连续性 Familiar pattern : 组合后的熟悉程度 代表性的聚类分割算法 合成聚类与分裂聚类 每个样本点作为一个独立的簇；将所有样本作为一个簇 K-means 算法 模糊 C 均值聚类 Meanshift 算法 SLIC 超像素 K-means 的基本思想 将图像中所有的元素视为来源于 k 个类别，根据样本到类别中心的特征距离判断像素的归属，通过迭代更新的方式 在逼近类别模型参数的同时实现像素的分类。 K-means 的步骤 1. 为像素选择特征向量（比如 YUV 色彩特征），将所有像素映射为特征空间中的样本点。 2. 选择类别数量 k，在特征空间随机初始化 k个类的中心。 3. 根据样本点到类中心的距离，为每一个样本点选择距离最近类作为类别标号 4. 根据新的分类结果，以同一类样本点的特征均值更新类中心。 5. 重复步骤 3-4， 直到类中心的位置不再发生变化。