源代码MATLAB，可直接运行。包括添加椒盐噪声；中值滤波；均值滤波；维纳滤波

svd算法matlab代码高维设计差分私有估计器 高维差分私有鲁棒均值估计器的MATLAB实现。 先决条件 用于在较大矩阵上进行特征值计算的MATLAB软件包 算法实现 dpCode目录包含各种差分私有均值估计算法的实现代码。 dpFilterGaussianMean.m ：本文提出的新型差分私有算法的主要实现 filterGaussianMean.m ：通过过滤实现稳健的均值估计，取自，并在ICML 2017的论文中进行了描述 dpWinsorizedMean.m ：的差分私有dpWinsorizedMean.m Mean（算法1）的实现 privateQuantile.m ：实用程序函数，包含来自的privateQuantile算法（算法2）的实现 laplaceSample.m ：实用函数，通过逆CDF采样从Laplace分布中提取噪声样本 我们的算法仅需要前两个文件，而后两个文件则来自的DP Winsorized均值参考算法。 最后一个文件（ laplaceSample.m ）是两种算法中使用的Laplace机制的实用程序实现。 重现性 compareDPMeanEstimat

基于μ=(μ1+μ2)/2迭代的图像分类方法，可用于遥感影像的分类

本代码是利用MATLAB编写的基于meanshift（均值漂移）算法的彩色图像分割代码。

基本的滤波算法，应用函数，一些基本函数的应用，滤波效果检验等

用中值滤波加中值滤波处理含噪图像，效果蛮好的

c均值聚类算法matlab代码fcm_m 这是matlab代码中FCM聚类方法的一些变体。 您可以参考以下文章以进一步了解：“一种鲁棒的模糊局部信息C均值聚类算法”

灰狼优化算法(GWO)具有较强的局部搜索能力和较快的收敛速度,但在解决高维和复杂的优化问题时存在全局搜索能力不足的问题.对此,提出一种改进的GWO,即新型反向学习和差分变异的GWO(ODGWO).首先,提出一种最优最差反向学习策略和一种动态随机差分变异算子,并将它们融入GWO中,以便增强全局搜索能力;然后,为了很好地平衡探索与开采能力以提升整体的优化性能,对算法前、后半搜索阶段分别采用单维操作和全维操作形成ODGWO;最后,将ODGWO用于高维函数和模糊C均值(FCM)聚类优化.实验结果表明,在许多高维Benchmark函数(30维、50维和1000维)优化上,ODGWO的搜索能力大幅度领先于GWO,与state-of-the-art优化算法相比,ODGWO具有更好的优化性能.在7个标准数据集的FCM聚类优化上, 与GWO、GWOepd和LGWO相比,ODGWO表现出了更好的聚类优化性能,可应用在更多的实际优化问题上.

【图像分割】直觉模糊C均值聚类的图像分割IFCM.md

设计了一种抵抗同步攻击的音频水印方案。首先证明音频均值是一个受ＴＳＭ（ｔｉｍｅ　ｓｃａｌｅ.ｍｏｄｉｆｉｃａｔｉｏｎ）操作稳定的特征量，然后利用音频均值生成水印，并将其嵌入４ 级离散余弦变换.（ＤＣＴ）分解低频系数的统计均值中。为避免同步攻击引起的水印同步结构连续偏移问题，提取.水印过程中采用帧长不固定的可变帧长分帧方法；为实现水印的盲检测，水印的嵌入、提取通过量化的方法实现；为保证水印的不可听性，利用信噪比（ＳＮＲ）控制水印的嵌入强度。实验结果表明，提出的方法在抵抗常规信号处理操作的同时，还能抵抗２０％的ＴＳＭ 操作和１／１０的抖动操作，具有很好的鲁棒性。