INSIDDE THz Toolbox 包括各种图像处理和机器学习技术来分析太赫兹图像。 该工具箱包括高斯反卷积、各向异性滤波、图像梯度估计、独立分量分析、文本直方图、多尺度结构张量、逻辑回归、高斯过程回归、自动编码、深度自动编码和大边距三元组学习的实现，以及用于线程级画布分析的自动系统。 导致这些结果的研究获得了欧盟第七框架计划 (FP7/2007-2013) 的资助。 600849。

本演示演示了将MATLAB Symbolic Math Toolbox用于常微分方程（ODE）的示例。 示例的范围从相对基础到高级，并根据主题放置，就像传统上本科 ODE 课程所涵盖的那样。 建议使用此脚本在调试模式下从 MATLAB 编辑器逐行运行它。 或者只是将脚本的相关部分复制粘贴到 MATLAB 命令窗口中。 支持代码。 建议和错误报告表示赞赏。

Minecraft工具箱 Minecraft的QOL功能集合。 特征 罗盘 将目标设置为跟随玩家，指向床/坐标，或重置为生成。 右键单击以显示当前坐标； 在脚下右击以向所有在线用户宣布坐标。 蹲伏时，右键单击土地以创建“信标”。 信标是块上方的一组浮动火炬，只有在有空间时才会创建。 蹲下并再次右键单击以删除。 对于使用实际的信标有一些考虑，但似乎这是最少侵入的。 发展 此仓库随附用于构建命令+匕首集成的DSL。 base模块可在其他项目中使用，并且与插件的功能集分开。

蚁群算法matlab源码Jx-WFST：包装功能选择工具箱 “迈向人才科学家：共享和学习” --- 介绍 该工具箱提供了40多种包装功能选择方法 A_Main文件提供了有关如何在基准数据集上应用这些方法的示例 这些方法的源代码是基于伪代码和书面文件编写的 该工具箱的主要目标是： 包装器功能选择方面的知识共享 协助其他人进行数据挖掘项目 用法 采用主要功能jfs进行特征选择。 您可以通过将'pso'更改为 如果您希望使用粒子群优化（请参见示例1），则可以编写 FS = jfs('pso',feat,label,opts); 如果要使用粘液模制算法（请参见示例2），则可以编写 FS = jfs('sma',feat,label,opts); 输入 feat ：特征向量矩阵（实例x Feature） label ：标签矩阵（实例x 1） opts ：参数设置 N ：解决方案数量/人口规模（所有方法） T ：最大迭代次数（对于所有方法） k ：K -值在K -nearest邻居 输出 Acc ：验证模型的准确性 FS ：特征选择模型（包含多个结果） sf ：所选sf索引 ff ：所选功能 nf

contourlet_toolbox contourlet变换工具包

本资源为MATLAB相机标定工具箱，下载导入MATLAB后可进行相机标定，获取相机内参矩阵和相机畸变系数等。

matlab余玄函数代码DNN_toolbox Matlab工具箱，用于基于DNN的语音分离 该文件夹包含用于工具箱的Matlab程序，该工具箱用于使用深度神经网络（DNN）进行监督性语音分离。 该工具箱由Chenjitong Chen编写，它基于Wang Yuxuan编写的早期版本。 刘玉洲进一步完善了该工具箱。 有关基于DNN的语音分离的技术详细信息，请参见以下文章： Wang Y.，Naraayanan A.和Wang DL（2014）：关于监督性语音分离的培训目标。 关于音频，语音和语言处理的IEEE / ACM事务，第1卷。 22，第1849-1858页。 该工具箱由OSU感知和神经动力学实验室（PNL）提供。 文件夹和文件的描述 配置/ 用于培训和测试的干净话语清单。 数据/ 混合，特征，蒙版和分离的语音存储在此处。 dnn / DNN培训和测试代码，其中dnn / main /包含DNN培训和测试的关键功能。 dnn / pretraining /包括用于无监督DNN预训练的代码。 gen_mixture / 用于从噪音和干净的语音中创建混合的代码。 get_feat /

Pig-Toolbox_v1.0.7.6 谷歌浏览器插件，CRX可解压，用开发者模式安装

轻松管理您的 JetBrains 工具

前n条最短路算法matlab源代码资料来源 这是Mitchell，Mount和Papadimitriou于1987年首次描述的用于三角形网格（三角表面）的测地线（最短路径）算法的实现，[1]进行了一些小的改进，扩展和简化。 该算法具有O（n ^ 2 log n）最坏情况下的时间复杂度，但实际上可以在合理的时间内处理百万个节点的网格。 有关快速概述，请参见[2]。 该算法的基本思想与Dijkstra的用于在加权图上找到最短路径的算法非常相似。 它包括两个步骤： 来自源的距离场在网格表面上的传播（缓慢） 追溯从目标点到最近源的最短路径（快速） 为了进行调试和比较，我还实现了两种近似算法 Dijkstra在图上由网格的顶点和边缘创建的最短路径 细分（在网格的每个边缘上放置N个附加顶点，直接连接属于同一面的所有顶点，在结果图上运行Dijkstra）细分算法的一个不错的特性是，当N = 0时，它变为Dijkstra并计算出精确的距离当N->无穷大时。 输入网格表示为两个数组：顶点（每个顶点具有树坐标）和面（每个面表示为其顶点的索引）。 与算法的大多数通信是通过SurfacePoints（网格表面