Dynamic Adaptive Streaming over HTTP ISO_IEC_23009-1_2012

自适应巡航系统最新国际标准，适合智能驾驶及ADAS相关研究人员及工程师。

提出了多用户OFDM的 Subcarrier and Power Allocation 算法，并给出了仿真结果，有较高的参考价值。

matlab官方定位代码自适应网格细化 该软件通过比较在网格或网格上的节点处评估的度量来支持二维网格的自适应网格细化。 安装 下载或提取此存储库。 在MATLAB中，运行meshToyProblem.m脚本和/或runAllTests.m脚本以验证软件是否正在运行。 无需其他编译步骤。 算法概述 有关此代码的实际示例，请参见meshToyProblem.m脚本 网格细化问题始于由单个单元格组成的网格。 每个像元由四个角表示，每个角代表一个单独的节点。 节点以度量为特征，即与该节点表示的（ x ， y ）位置相关联的值。 因此，由adaptiveMesh.Node类表示的节点负责计算评估指标。 要针对您所关注的问题运行自适应网格细化，必须首先创建一个类，该类扩展adaptiveMesh.Node类并覆盖getMetric()函数。 custon Node类的示例在tests文件夹中的ToyNode类中提供。 要初始化由adaptiveMesh.Mesh类表示的网格，请实例化对象并指定边界和节点类： mapMesh = adaptiveMesh.Mesh(); bounds = [- 1

蒙特卡罗matlab仿真代码Semiparametric_Adaptive_Estimation_of_the_GARCH_Model_Using_Matlab 使用 Matlab 对 GARCH 模型进行半参数自适应估计 我们报告了用于 GARCH 模型的半参数（自适应）估计的 Matlab 代码； 此外，我们报告了蒙特卡罗模拟，该模拟表明半参数估计器比拟最大似然估计器更有效。 GARCH 模型的半参数（自适应）估计理论在 Drost 和 Klaassen (1997)，计量经济学杂志，第 81 卷，第 193-221 页中有所报道。 为简洁起见，这里没有报告半参数估计的理论细节，我们请读者参考 Drost 和 Klaassen (1997) 了解理论细节。 我们将 t5-student 创新用于 GARCH 过程。 其他细节：所有Matlab代码文件必须包含在同一个文件夹中，并且该文件夹必须添加到Matlab路径中。 包含 Monte Carlo 模拟的主要 Matlab 文件名为“MainFile.m”。 此存储库中包含的所有其他 Matlab 文件——即“MLE_normal_

第四版 作者：Haykin, S 很有用很实用 不缺页不少页

本次研究工作为提高计算效率，作者对视频识别的空间冗余进行了探讨。发现在视频的每一帧中，信息量最大的区域通常是一个小的 image patch，在不同的帧中平稳地移动。因此，作者将 patch 定位问题建模为一个连续的决策任务，并提出一种基于强化学习的高效空间自适应视频识别方法：AdaFocus。并在 ActivityNet, FCVID, Mini-Kinetics, Something-Something V1&V2 5 个基准数据上进行了实验，得出比竞争性基线明显更有效率的结果。

函数 polynomial_degree=adpf(data_frame) 自适应度多项式滤波器（Savitzky-Golay 滤波器） 通常，Savitzky-Golay 滤波器的拟合多项式的次数是固定的。 然而，多项式的次数可以根据拟合残差的平方和以及获得自适应次数多项式滤波器的统计测试而变化。 该函数可用于获取自适应次数多项式滤波器（Savitzky-Golay 滤波器）中为长度为2M+1 的数据子集（输入：data_frame）选择的多项式次数（输出：polynomial_degree）。 用法： 先运行Pkmi_Calculate 得到克多项式的数值表，以加快计算。 例子： ％例子： adpf_demo %使用自适应次数多项式滤波器进行数据平滑的演示Fig_1 %获取参考文献的图 1。 [1] Fig_2 %获取参考文献的图 2。 [1] 作者： 罗建文 <luoj

提出一种基于变分贝叶斯(VB)的自适应卡尔曼滤波器(VBAKF)，用于处理过程和测量噪声协方差矩阵不准确的线性高斯状态空间模型。

快速自适应多元经验模式分解 (FA-MVEMD) 工具箱包含一系列旨在分解 1、2 和 3 维性质的数据集的函数。 该算法基于MR Thirumalaisamy，PJ Ansell，“多维，多变量信号的快速和自适应经验模式分解”（IEEE信号处理快报，第1卷）中介绍的工作。 2018 年 10 月 25 日。 系统要求： 根据您的数据集，RAM 要求可能达到数十 GB。 作为粗略估计，请确保您的计算机 RAM 中的数据集大小至少为 10 倍。 如果您的数据集是 100MB，那么您的 RAM 应该大约是 1GB。 依赖项： FA-MVEMD 工具箱依赖于一些第三方功能才能执行。 这些函数及其作者的列表如下： MinimaMaxima3D - (v1.0 Dec 13, 07 , Sam Pichardo) 极值 - (2004, Carlos Adrián Vargas Aguiler