针对有界范围内的运动目标进行超视距跟踪时出现的量测不可靠问题，提出一种卡尔曼滤波初值选取方案，对采用三点法求得超出界限的目标初始运动状态进行修正，再将其作为新的滤波初值，这一方法称为投影修正法。对比传统初值确定方法，并结合3种传统非线性卡尔曼滤波算法，分别在目标与观测台的初始距离为600和1000时进行仿真验证。仿真结果显示，与传统方法相比，应用该初值确定方法能在探测距离相对误差为1%，探测角度误差为0.01rad时，明显提高滤波初期收敛速度且滤波精度不下降。此外，研究还发现，在利用投影修正法进行跟踪滤波时，同等条件下选用零值修正，收敛效果更好。

数字图像处理 该程序是使用Swing用J​​ava编写的。 已实现以下算法： 形态运算： 轮廓检测 非线性滤波器： 最小过滤器 最大过滤器 中值过滤器 开启过滤器 关闭过滤器 高斯模糊滤镜 在以下图片中，显示了此过滤器的结果，并且半径大小设置为14。 原始图片 结果图片 锐化蒙版滤镜 结果图片 FILTER PARAMETER: radius = 5 unsharp mask value = 4 坎尼边缘检测器 结果图片 FILTER PARAMETER: low threshold = 100 hight threshold = 120 radius = 2 骨骼化 原始图片 结果图片 自适应中值滤波器 原始图片 结果图片 FILTER PARAMETER: radius min = 0 radius max = 4 双边过滤器 原始图片 结果图片 FILTER P

对偏最小二乘(PLS)回归的基本方法进行了分析研究，提出了基于非线性迭代偏最小二乘(NIPLS)的信息模式识别算法。该算法实现了模式识别中特征提取与分类器设计的有机结合。NIPLS较Fisher判别分析、Bayes判别分析等经典的模式识别算法，具有更强的信息识别能力，且对数据本身的分布要求不高，尤其对于多重共线性资料或解释变量多而样本数量少时更为有效。将该算法应用于土地质量的分类识别，结果表明，该文所建立的算法是有效的、可靠的。

非线性回归是回归函数关于未知回归系数具有非线性结构的回归。常用的处理方法有回归函数的线性迭代法、分段回归法、迭代最小二乘法等。非线性回归分析的主要内容与线性回归分析相似。

具有React扩散项的神经网络的图灵不稳定性和模式形成

大时滞系统的模糊控制MATLAB仿真\大时滞系统的模糊控制MATLAB仿真.rar 大时滞系统的模糊控制MATLAB仿真\大时滞系统的模糊控制MATLAB仿真.rar

该matlabl代码用于求解（非）线性结构动力学的数值响应。

隐式格式的MATLAB代码皮包垫 Matlab软件包，用于研究多项式积分器的稳定性和计算其系数。 下面我们描述如何使用该库的关键功能。 存储库中提供了展示本文档中描述的所有功能的示例脚本。 初始化多项式方法生成器 多项式积分器由不限于单个节点集的一般构造策略描述。 设计该代码的目的是，您可以初始化一个生成器对象，该对象可以构造具有任意数量节点的PBM系列。 要初始化方法生成器，必须首先选择一个节点集生成器，ODE多项式生成器，对于Adams方法，选择一个扩展点生成器。 节点生成器 节点集生成器继承于抽象类NodeSetGenerator ，位于类/生成器/节点/家族中。 当前可用的节点生成器系列有： IEquiNSG：虚构的等距节点 IChebNSG：虚构的chebyshev节点 EquiNSG：等距节点 ChebNSG：chebyshev节点 所有节点集生成器都通过以下方式初始化： NodeSetGenerator(ordering, precision, options) 其中的参数是： 排序：值为'leftsweep'的字符串| 'rightsweep'| “向内” | “向外”

LiScNLE 1.0 是 Matlab 应用程序，用于使用基于 Chebyshev-tau 空间半离散化的 Lyapunov-Schmidt 方法对 du/dt+Lu=Nu 形式的一些非线性偏微分演化方程进行数值研究。

了系统地讨论存在时延的编队控制系统的稳定性问题，给出了编队稳定性的2种形式化定义；结合个体动力学模型，概括了利用线性反馈控制和非线性反馈控制的含时延的编队策略以及相应的系统模型；针对各种编队控制策略、具体的任务要求和不同的时延情况，对主要的稳定性分析方法进行了综述，包括特征根分析方法、Lyapunov稳定性理论方法和Hamilton耗散理论方法等，并介绍了用各种稳定性分析方法得到的结论；最后，总结了各种编队稳定性分析方法的优缺点以及未来研究的趋势