这个程序可以求出两个图像的互信息，在基于互信息的图像处理中，这个程序非常的重要。

针对点预测类方法无法消除预测误差的不足，文中提出一种光伏发电功率短期预测方法。该方法采用极端学习机为光伏发电功率预测的回归预测方法，并结合三角形隶属函数模糊信息粒化的思路，将一定时间窗口的光伏发电功率历史数据进行模糊粒化。粒化后的窗口内历史数据包含功率变化值的最小值、最大值和平均值，形成了新的训练集，进一步对训练集采用极端学习机算法进行训练与预测，实现了光伏发电功率的区间预测。以某地区的光伏发电功率历史数据为算例进行了验证，结果表明：本文提出的方法可以预测光伏发电功率的波动范围，光伏发电功率真值全部包含在所预测的区间范围内。该方法对包含光伏新能源发电的电网调度计划具有工程实践意义。

这是应用回归分析何晓群版课后习题部分答案，比较详细，但愿对你有一点帮助！

回归模型是计量里最基础也最常见的模型之一。究其原因是因为在实际问题中我们并不知道总体分布如何，而且只有一组数据，那么试着对数据作回归分析将会是一个不错的选择。

（UCI）的北京多站点空气质量数据集包含每小时空气污染物 来自12个国家控制的空气质量监测点的数据。 空气质量数据是 来自北京市环境监测中心。 气象资料 每个空气质量站点中的空气都与中国最近的气象站相匹配 气象局。 时间段为2013年3月1日至2月 2017年2月28日。缺失的数据表示为NA。

MATLAB_SMO_SVM回归分析预测实例

Matlab利用libsvm做回归分析的一个小例子-by faruto

[使用优化工具箱的二维互信息匹配] 这是新墨西哥大学的 Kateryna Artyushkova 编码的 IP 工具箱用户使用互信息更新的自动图像配准。 对象函数'image_registr_MI.m'最初是由人编码并由我修改的。 我使用优化工具箱为完整的图像配准添加了一个比例因子。 因此，运行此程序需要优化工具箱。 zip 文件包含三个文件。 - opti_MI_scaling.m % 主要代码- image_registr_MI.m % 对象函数- image.mat % 图像矩阵 在“image.mat”中，IM1 和 IM2 仅用于示例目的。 - IM1：230 X 230 MRI 8 位图像- IM2：512 X 512 CT 8 位图像 要运行此代码，请输入以下命令： >> x0=[50; 50; -15; 0.5]; >> [x, fval]=fminsear

% 使用简单的直方图方法计算 x 和 y 之间的互信息。 假设采用 % Jeffrey-Perks 定律（在 MI 估计之前向所有单元格添加 0.5）。 % 用法：MI = 互信息(x, y,nBins, ifplot) % 'nBins' : 每个维度的 bin 数量。 % 互信息：I(X;Y) = sum(sum(p(x,y)*log(p(x,y)/p(x)p(y))) % 见“信息论”（香农，1948） % 此代码的灵感来自： % Iskarous, K., Mooshammer, C., Hoole, P., Recasens, % D.、Shadle, CH、Saltzman, E. 和 Whalen, DH (2013)。 % "协调/不变性量表：互信息% 作为 coarticulation 阻力、 运动协同作用的量度， % 和发音不变性，”J. Acoust. Soc. Am

我也是从别的地方下载的，还没用过，不知道好不好用。 当我们使用这些开放的程序的时候，应当向作者们表示敬意和感谢。