DFT的matlab源代码稀疏优化的MRI重建 磁共振成像（MRI）图像稀疏。 这是一个使用非凸罚函数的实现，该函数鼓励稀疏性。 选择惩罚函数作为最小最大凹惩罚（MCP），可以从以下方法检查算法（GIST）： 龚平华，张长水，卢兆松，黄建华，叶洁平的非凸正则优化问题的通用迭代收缩和阈值算法 直接运行main.m，您将看到流行方法与该实现之间的比较。 Randon变换代码和DFT代码的反投影由Mark Ba​​ngert编写。 解算器也位于解算器文件夹中，选择所需的解算器。 GIST_MCP.m使用Barzilai-Borwein步长的近端梯度法，GIST_MCP_Nesterov.m使用Nesterov加速度的近端梯度法。 切记将相应的子例程放入求解器。 这里有重新启动的Nesterov加速近端梯度算法的详细说明，该算法真正保证了收敛，在这里： 一类非凸非光滑最小化问题外推法的近邻梯度算法的线性收敛性，作者：Bo Wen，Chen Xiaojun Chen，Ting Kei Pong 这项研究于2017年Spring进行，部分由香港研究资助局拨款PolyU253008 / 15资助

matlab的人脸识别，有源代码。入门级别，课作为初学者学习参考使用。有一定的价值。适合本科阶段的学生。

16非平稳时间序列突变检测的启发式瓜分算法(bg算法)matlab源代码[最新].doc

matlab实现算术编码的源代码 [ tag mnm ] = ssbm2(alpha, prob,seq )

matlab在数学建模中的应用第二版，源代码，保证有效，matlab在数学建模中的应用，源代码，保证有效

FIR自适应滤波器的matlab源代码,步长固定。

地球物理matlab源代码我的湖 这是Mylake GitHub页面。 有关更多信息以及Aemon-J模型库中的模型描述，请参见此处的Wiki。 看 MyLake是用Matlab编写的基于1D过程的湖泊模型。 它是作为开源项目开发的，目前在挪威水科学研究所（NIVA），赫尔辛基大学（芬兰）和拉瓦尔大学（加拿大）进行开发。 所有版本均可根据要求提供（请参见下文），但是只有公开发布的版本。 MyLake还是正在进行的Lake EnsemblR研究工作的一部分，该研究正在进行中的R中一维流体动力学建模： MyLake v1.2.1（2007） 这是MyLake的原始版本。 MyLake v1.2模拟湖泊的水动力，冰和雪的厚度，光子收支，磷的形成，藻类动力学（2个池）和沉积物与水的相互作用（盒模型）。 出版物：Saloranta，TM; Andersen，T.，MyLake-多年的湖泊模拟模型代码，适用于不确定性和敏感性分析模拟。 Ecol。 模型。 2007，207（1），45-60。 接触： 代码：此存储库中的“ master”分支。 手动的： 。 也可以在这里参阅get-goint表：

图像重建matlab源代码关于图像重建中深度学习的不稳定性-人工智能是否要付出代价？ 该存储库包含来自V.Antun，F.Renna，C.Poon，B.Adcock和A.Hansen的论文“关于图像重建中深度学习的不稳定性-AI付出代价吗？”中的代码。 为了使此代码运行，您将必须下载并安装我们考虑过的神经网络。 可以从（4.9 GB）下载大多数必要的数据。 请注意，您将必须修改源文件中的所有路径，以便它们指向数据。 您还需要将目录py_adv_tools添加到python路径。 对于最先进的重建，我们使用了J. Ma＆M.März论文和的代码。 这些存储库也必须下载并添加到您的Matlab路径中。 FBPConvNet-Ell 50和Med 50 要测试FBPConvNet，您必须下载并安装，然后在matlab路径上添加这些存储库。 然后，您应该可以从invfool / FBPConvNet目录中运行脚本。 深度MRI网 下载并安装并将其添加到您的pythonpath中。 请注意，要运行DeepMRINet，您需要一个非常特定的Theano和Lasagne版本。 有关此的更多信息，请参

DFT的matlab源代码VASP_DOS_extractor 简单描述： 基于Pymatgen的python脚本，用于从vasprun.xml文件中提取状态密度（DOS）和投影的DOS 这是做什么的： 该脚本替代了p4vasp的最常见用法之一：从输出中提取DOS数据，这是一种密度泛函理论（DFT）计算程序。 尽管具有直观的GUI，但是提取DOS数据可能很容易花费时间，尤其是当原子，能带和能量网格的数量较大时。 请注意，在使用此脚本之前，应先安装pymatgen（）。 使用p4vasp的过程通常如下所示： 将xml文件下载到本地计算机（通常超过100 MB） 打开p4vasp并打开xml文件 绘制感兴趣的元素或单个原子以绘制DOS（PDOS）的局部投影。 （此过程大部分时间） 将数据导出到指定的文件名（此文件通常小于1MB） 使用DOS_extractor.py，可以通过一个命令行完成以下四个过程： $ python DOS_extractor.py [xml_filename] [out_filename] [entries_or_options] [xml_filename]：va

应用Hough变换检测图片的倾斜角并对图像纠偏 1．学习并掌握边缘检测算子及其MATLAB实现； 2．学习并掌握图像的阈值分割方法及其MATLAB实现； 3．学习并掌握图像的区域分割及其MATLAB实现； 4．学习并掌握形态学在图像边缘检测中的应用及其MATLAB实现；