使用Matlab编程的电磁仿真工具，使用由Jia LIU开发的严格耦合波分析（RCWA）方法。 用户手册 该程序在 Matlab 中使用面向对象的编程范式，无需使用任何工具箱。所以只需要一个有效版本的 Matlab 就可以使用它。 安装 无需安装，但必须在 Matlab 中添加路径，如示例所示。 如何使用 示例文件中已给出示例。通过更改示例中的参数可以满足基本的仿真需求。以防万一，此文件中给出了一些解释。 主要使用四个对象：RCWA、Source、Device 和 Material。 RCWA是控制RWA计算引擎的主要对象。 Source 用于定义照明源。这里只能使用平面波源。可以控制波长、偏振和照射角度。 设备用于定义模拟结构的细节。在这个程序中，可以包括不同的形状（圆柱体、矩形等）。 材料是一个单独的对象，用于控制模拟中使用的材料。用户必须按照材料文件夹中显示的某种格式包含反射指数。另外可以直接定义简单的反射率，如定义空气反射率的例子。 更多详情、使用方法，请下载后阅读README.md文件

16非平稳时间序列突变检测的启发式分割算法(BG算法)MATLAB源代码[借鉴].pdf

差分进化算法的MatLab源代码,可供研究者和编程者参考 差分进化算法的MatLab源代码,可供研究者和编程者参考

pca 可用的代码 关于超声波特征提取 function y pca mixedsig %程序说明：y pca mixedsig 程序中mixedsig为 n T 阶混合数据矩阵 n为信号个数 T为采样点数 % y为 m T 阶主分量矩阵 % n是维数 T是样本数

​ 程序名称：基于多目标粒子群算法的电力系统分布式电源选址定容 实现平台：matlab 简介：为更好地解决分布式电源选址定容问题，提出一种改进的多目标粒子群算法。考虑投资成本、网损以及电压稳定性三因素建立了一个三目标的数学模型，并采用上述多目标粒子群算法对模型求解。最后利用 IEEE－69节点系统仿真来验证所提算法在分布式电源选址定容方面的有效性。 具体细节可参考自动化与仪器仪表. 2021,(05)论文《基于多目标规划的分布式电源选址定容研究》 ​

FYP_code Final Year Project Multi-Pedestrian tracking MATLAB 源代码

1.发射端（调制） 1)信号源信息速率为500Mbps，符号速率为250Mbps 2)采样率为2Gbps，中频为720MHz 3)数字调制，采样多相滤波内插方式 2.接收端（解调） 1)采样率为2Gbps，中频为720MHz 2)采样数据分解为32路，每路数据速率为62.5Mbps 3)在频域中完成低通滤波，相位差补偿 4)载波跟踪采用基带解旋，鉴频鉴相相切换的方式 3.文件说明 1)I_Data.txt,Q_Data.txt为仿真信号源 2)QPSK_fdian_0505为MATLAB浮点仿真程序 3)QPSK_Dingdian_0505为MATLAB定点仿真程序 4)test_ADC.slx为simulink仿真程序，用于仿真信道，模拟AD采样

matlab++显示代码行数 matlab_CNN_kinect 大创项目代码：利用CNN和Kinect进行动作识别 具体文件： 使用get skeleton data 获取骨架线数据，利用train skeleton net进行训练，使用recognition进行识别显示; deepth map是在深度图上绘制骨骼点; vid skeleton是动态显示骨架线; SkeletonView 是绘制骨架线的函数; 文件夹内的get_poin_data是直接得到骨骼点数据，存储并用来训练pb神经网络;

matlab求导代码 此回购未积极维护。 请参阅getRetinalLayersExample.m了解示例代码用法。 欢迎！ Project Caserel是一个开源软件套件，用于对用Matlab编写的光学相干断层扫描图像中的视网膜层进行计算机辅助分割。 有关更多信息，请查看项目主页面：。 执照 有关完整的详细信息，请参见项目文件夹中提供的文件。

matlab有些代码不运行#NeuralTalk 该项目包含用于学习多模式递归神经网络的Python + numpy源代码，这些神经网络使用句子描述图像。 最近在一篇文章中介绍了这方面的工作，并且在过去几个月中，该领域一直是研究界发表的多篇学术论文的主题。 该代码当前实现和提出的模型。 两种模型均拍摄图像并使用递归神经网络（LSTM或RNN）预测其句子描述。 概述 该项目的管道如下所示： 输入是使用Amazon Mechanical Turk收集的图像和5个句子描述的数据集。 特别是，此代码库是针对，和数据集设置的。 在训练阶段，将图像作为输入馈送到RNN，并要求RNN根据神经网络的隐藏层介导的当前单词和先前上下文来预测句子的单词。 在此阶段，通过反向传播训练网络的参数。 在预测阶段，将一组让步图像传递给RNN，RNN一次生成一个单词的句子。 用BLEU评分评估结果。 该代码还包括用于以HTML可视化结果的实用程序。 依存关系 Python 2.7 ， numpy / scipy的现代版本， perl （如果要进行BLEU分数评估）， argparse模块。 这些大多数都可以通过pip