matlab瑞利波频散曲线代码FJ测试 这是 FJ 方法的快速测试。 FJ法是什么？ FJ法是一种提取面波频散的地震方法。 这些文件是干什么用的 freq_bessel_trans.m 是 FJ 变换的 matlab 程序。 PhaseShiftOfSW.m 是相移法提取表面波色散的matlab程序。 seis-1 / seis-2 或其他类似的文件是 QSEIS 生成的合成数据。 Uf.dat / Ur.dat 或其他类似的文件是 HM Zhang 的程序生成的合成数据。 关于合成数据 有一些关于 FJ 方法的论文。 基于矢量波数变换法_VWTM_的多道瑞利波分析方法_杨振涛 基于环境地震噪声数据的高模瑞利色散曲线有效成像的频率-贝塞尔变换方法_王建南 我们选择四种方法来生成表面波数据。 为了复制上面论文的结果，我们选择了下面介绍的相同模型。 方法 QSEIS 张先生的密码 SOFI2D SPECFEM2D 模型 待办事项清单 完成程序和数据文件的所有描述 检查 FJ 方法的有效性 找出可靠的表面波数据，无论是合成的还是真实的，并将其视为基准。 我遇到的问题 计算速度太慢。 南桥提供

斐波那契堆的python实现(优先队列)，实现内容：merge(H), insert(v), find_min() # extractMin(), coalesce_step(), updateMin() # decreaseKey(v,k), delete(v)

制造商的马尔可夫 我对 m 阶马尔可夫链的实现。

利用MATLAB实现MUSIC算法与基于四阶累积量的MUSIC算法，里面包含高阶累积量的计算，对MUSIC算法有进一步的了解

用Python实现四阶龙格-库塔（Runge-Kutta）方法求解高阶微分方程 (需要资源可进主页自取)

主要介绍了手把手教您实现react异步加载高阶组件,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

为了解决高阶局部特征带来的计算复杂度提高问题, 提出一种基于核函数的高阶局部特征表示方法。通过在两幅图像的局部特征之间进行比较, 将特征空间映射到几何不变空间, 统计高阶局部特征构建核函数, 并结合支持向量机进行多类目标图像分类实验。实验结果分析表明, 该方法在提高分类准确率的同时, 所需的计算时间只与局部特征的个数呈线性增长。

此函数是 f(t) 的 alpha 阶 Caputo 导数的高阶数值近似。 如果你想使用这个程序，请引用以下三篇论文。 [1] CP Li, RF Wu, HF Ding. Caputo导数和Caputo型对流扩散方程的高阶近似（I）。 应用和工业数学通信，2014 年，6(2)，e-536：1-32。 DOI：10.1685/journal.caim.536。 [2] 曹俊贤，CP Li，YQ Chen。 Caputo 导数和 Caputo 型对流扩散方程的高阶近似 (II)。 分数阶微积分与应用分析，2015，18(3)：735-761。 [3] HF Li, JX Cao, CP Li. Caputo 导数和 Caputo 型对流扩散方程 (III) 的高阶近似。已提交。

基于高阶累积量的数字调制分类，2000年Swami经典文献Hierarchical Digital Modulation Classification Using Cumulants中例1的复现，包含高阶累积量的子程序 cum_sigma.m 计算经过C21归一化的高阶累积量，sigma为加性高斯噪声的方差 four_class_regular.m 四分类问题，信号集为Ω4={BPSK, PAM(4), QAM(4,4), PSK(8)}四种基带信号，信号采样点数分别为100,250,500三种情况，采用1000次蒙特卡洛仿真，得到识别结果，用MATLAB画出混淆矩阵。 four_class_freq.m 信号集为Ω4={BPSK, PAM(4), QAM(4,4), PSK(8)}四种基带信号，存在频偏的情况下实现识别分类 four_class_phase.m 信号集为Ω4={BPSK, PAM(4), QAM(4,4), PSK(8)}四种基带信号，存在相偏的情况下实现识别分类 judge_C40.m 门限判断子函数

贝塞尔曲线高阶匀速运动算法 HTML5/JS 实现,请关注我的博客谢谢