eigen3 使用2019/12最新的eigen3版本（eigen3-latest）编译， 编译方法使用cmake3+vs2017 由于网上基本没有此共享后的include文件和lib文件，所以分享出来。 通常vs下可以使用libeigen*.dll.a(静态库）来进行链接。 分享目录如下 链接：https://pan.baidu.com/s/1rbdRNkcD16r7pq12erGmqg  提取码：cvvc

耦合矩阵综合实例 五阶非对称滤波器各多项式的根 传输零点， 的根 反射零点， 的根 传输或反射奇点， 的根 1 -4.1429j -0.9479j -0.2074-1.1354j 2 1.9677j 0.9597j -0.5529-0.6759j 3 0.6389j -0.1523+1.1074j 4 -0.5599j -0.6619+0.0828j 5 0.0598j -0.4687+0.7717j

jacobi方法计算对称矩阵的特征值和特征向量，使用旋转矩阵的方法

为消除非受控训练环境中光照/表情变化的不利影响,控制部分遮挡/伪装对人脸图像的破坏程度,提出了一种基于低秩矩阵恢复的字典优化设计,以增强稀疏表示人脸识别的性能.首先对存在非受控干扰成分的训练字典进行低秩矩阵恢复,获得相对"干净"的训练图像进行特征提取;接着采用分块相似性先验嵌入稀疏编码的方法实现对人脸图像的分类.实验结果表明,通过改进稀疏编码字典的鉴别能力,系统能更有效地抑制光照、表情、遮挡/伪装的影响,其识别的稳健性和鲁棒性得到了明显提升.

为实现基于公交IC卡数据的大规模OD（origination-destination）矩阵推导，提出了一种不关联公交调度信息和GPS数据的OD矩阵推导算法。提出了站点序号标注算法，通过时间聚类思想设计了自适应调整的时间间隔阈值以判断公交车的行驶状态，将公交站点序列与刷卡记录进行匹配；在此基础上，提出了单个公交车的行驶方向标注算法，通过从已知行驶方向的公交车推导未知方向公交车的方向标注算法。为了最大化解决公交数据的上车站点信息补全问题，将全局公交车行驶方向标注问题映射为图论中的节点遍历问题，利用贪心生长算法和广度优先策略实现了局部最优。最后该算法处理某市的公交IC卡数据，得到了公交出行链假设下的城市居民大规模OD矩阵。结果显示算法可有效推导大规模OD矩阵。

该程序功能可以导入具有指定起始行和结束行的文本文件，必须从文本文件中读取数据，并以mat格式制作，其中每个数据由一个单元格（行，列）指定，因此可以更容易地处理数据和分析。

提出了利用小波变换(WT)、非负稀疏矩阵分解(NMFs)和Fisher线性判别(FLD)来进行人脸识别。用小波变换分解人脸图像，选择最低分辨率的子段，既能捕获到人脸的实质特征，又有效地降低了计算复杂性；非负稀疏矩阵分解能显示地控制分解稀疏度和发现人脸图像的局部化表征；Fisher线性判别能在低维子空间中形成良好的分类。实验结果表明，这种方法对光照变化、人脸表情和部分遮挡不敏感，具有良好的健壮性和较高的识别效率。

RANDELEMENT(ARRAY,N) 返回一行 N 个元素，这些元素是从 ARRAY 中随机选择（和替换）的。 [可能有一些工具箱功能可以做一些非常相似的事情。] 例子： randelement([0:9],5) 可能会返回 [4 8 8 5 2] randelement({'a' 'b' 'c' 'd' 'e' 'f'},2) 可能返回 {'f' 'd'}

1602密码锁矩阵键盘,实用 带仿真，可以参考

主要涉及基于RANSAC算法的放射变换的研究，改代码仅完成仿射变换部分