【路由优化】基于能量均衡高效的LEACH协议改进算法附matlab代码

图像修复matlab代码Path_planning_for_FEVAR 通过可变形配准腹主动脉瘤的3D路径规划，进行机器人辅助的开窗血管内修复 要求 版本：Matlab R2016a至R2017a 平台：Windows，Linux 脚本'demo_2D3Dregist.m'： 这演示了如何从2D术中分割的动脉瘤形状和3D术前骨骼恢复机器人路径的3D骨骼，它将导入术前透视的2D jpg图像，2D分割标签和3D骨骼。 它将显示2D / 3D骨骼，术中（地面真实）骨骼，术前骨骼和我们的预测的注册时间成本，以及在2D和3D中评估的距离误差。 文件夹“功能”： 它包括为在2D和3D骨架之间进行可变形配准而编写的所有代码。 请仔细阅读每个文件中的许可证。 对于使用此文件夹中代码的任何学术出版物，请引用： 郑JQ，周XY，C。Riga和GZ Yang，“机器人辅助有条件的血管内主动脉修复的单一2D荧光镜图像的3D路径规划”，IEEE国际机器人与自动化会议（ICRA），2019年。 文件夹“数据”： 它包括演示中使用的导入数据。 文件夹“外部”： 它包括演示中使用的重新分配的代码。 请仔细阅读每个文件

nmf的matlab代码SDGNMF 用于图像共聚的稀疏双图正则化NMF 此存储库实现了Jing Sun等人针对“稀疏双图正则化NMF进行图像共聚”提出的聚类算法的迭代更新过程。此代码在人脸上进行聚类实验（ORL-32和PIE-pose27 ）和对象（COIL20）数据集以获得AC和NMI，然后验证SDGNMF的聚类有效性。 此外，该代码还可以显示我们的稀疏性研究和运行时间，以便与其他基于NMF的聚类方法进行比较。 依存关系 该代码支持Matlab。 跑步 主目录 下载本文 引文 如果您认为此代码有用，请引用： 孙静，王志辉，孙富明，李浩杰*。 用于图像共聚的稀疏双图正则化NMF。 神经计算，2018，316（NOV.17）：156-165。

线性规划的matlab代码 Modularized Dynamical System Simulator 模块化仿真系统 运行库简介 基于子系统的仿真程序，利用C++编程实现模块化仿真功能。自动解析系统给子系统的串并联结构，实现数值求解微分方程。 支持仿真参数和结果的读写。 正在开发中，目前已经实现多模块拓扑分析，规划和计算功能。 目前求解器构架已经完成，并且通过多次测试，与Simulink 的计算结果做到完全吻合。 正在加入测试更多模块，计划实现simulink aerosapce blockset 的全部模块功能。 计划加入 Gaussian Regression 的实现模块，为以后利用机器学习进行QTG系统辨识做基础。 文件目录如下： 文件目录 内容 src 包含所有源代码 verification 包含求解器计算输出和利用Simulink计算的仿真结果的对比验证代码和记录数据读取MATLAB脚本 代码编译： 以下步骤包含工程编译步骤 ：(VS2017） 第一步：克隆工程到文件夹，解决方案为：solver_test.sln。 第二步：下载Eigen库，解压缩后将文件夹重命名为ei

迫零算法matlab代码描述 这是Price Weller Pinkel（PWP）海洋混合层模型的Python实现。 该代码基于PWP模型的MATLAB验证，该模型最初由（美国罗德岛州）编写，后来由Byron Kilbourne（华盛顿大学）和Sarah Dewey（华盛顿大学）进行了修改。 有关模型背后理论的详细描述，最好的资料是介绍该模型的原始论文。 ;中提供了对该算法的简短介绍。 谷歌搜索可能会产生更好的来源。 此处提供的代码在功能上与其等效的MATLAB类似（请参见matlab_files / PWP_Byron.m ），但是我对代码的组织和流程进行了重大更改。 一个很大的不同是该代码分为两个文件： PWP.py和PWP_helper.py 。 PWP.py包含PWP模型的核心数值算法，并且主要是原始MATLAB代码的逐行转换。 PWP_helper.py包含帮助程序功能，以促进模型初始化，输出分析和其他杂项任务。 在此实现中引入了许多这些功能。 免责声明：我将python翻译作为个人练习，因此建议您在将其用于个人用途之前彻底检查该代码。 如果遇到任何问题，请随时在下面留下注释

由 Aino 先生和/或 Tikkuhirvi Tietavainen 先生编写并可能由 Steen Johansen 先生和/或 Sarah 女士更正的 matlab 代码中的错误已得到更正。 错误在于 L(m,k) 的公式（或某些论文中的 Lm(k)）。 如需进一步参考，请参阅 m 文件中引用的论文。

数字图像处理 图像复原matlab代码 维纳滤波 逆滤波 运动模糊 大气湍流模糊

二阶梯度matlab代码UntrimmedNet用于动作识别和检测 我们提供了CVPR论文的代码和模型（）： UntrimmedNets for Weakly Supervised Action Recognition and Detection Limin Wang, Yuanjun Xiong, Dahua Lin, and Luc Van Gool in IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017 更新 2018年10月16日 释放仅在ActivityNet1.2数据集的训练集中训练的学习模型。 请注意，我们先前发布的ActivityNet模型是在train + val集合上训练的。 2017年9月19日在THUMOS14和ActivityNet1.2数据集上发布学习的模型。 2017年8月20日释放模型原型。 指导 UntrimmedNet的培训包括三个步骤： 步骤1 ：为每个未修剪的视频提取动作建议（或镜头边界）。 我们在ActivityNet（v1.2）上的data/anet

可疑制作matlab代码回归-计算-智能 此作业的目的是研究TSK （Takagi-Sugeno-Tang）模型拟合多变量非线性函数的能力。 特别是，使用来自 和 模糊神经模型的两个数据集，我们试图从可用数据中估计目标属性。 第1部分 第一个数据集用于对此类模型的训练和评估过程进行简单调查，并说明分析和解释结果的方式。 检查的模型有四个，它们在隶属函数的数量（2 或 3）和输出类型（单例或多项式）方面各不相同。 在这种情况下，数据集的小尺寸允许我们使用Grid Partition方法进行输入空间划分。 数据集： 第2部分 第二个更复杂的数据集用于更完整的建模过程，其中包括预处理步骤，例如特征选择和通过交叉验证优化模型的方法。 由于数据集较大，可能会出现规则爆炸等问题。 为了避免这种情况，首先，我们为输入分区部署了另一种称为减法聚类（SC）的方法，并且还需要通过选择最重要的特征来降低数据集的维数并拒绝不太有用的特征。 之后，我们应用Grid Search和5-fold Cross Validation来找到特征数量和集群半径的最佳组合，从而使验证误差最小。 使用该过程产生的结果，我们训练

二维下料matlab代码临床大脑计算机接口挑战WCCI 2020格拉斯哥 这是在格拉斯哥举行的WCCI 2020上举行的“临床脑计算机接口挑战赛”竞赛的数据集。 有10例因左手或右手手指活动受损而受损的偏瘫性脑卒中患者的EEG数据。 每个参与者有两个文件。 以“ T”结尾的文件名表示训练文件，以“ E”结尾的文件名表示评估/测试文件。 例如，文件名“ Parsed_P05T”建议参与者P05的训练文件，而文件“ Parsed_P05E”建议针对同一参与者的评估/测试文件。 训练文件包含与每个试验相对应的标签，而没有提供用于评估/测试文件的试验标签。 比赛的目的是找到与评估/测试文件试验相对应的标签。 数据集说明 在这里，我们描述了数据集中每个文件的内容。 所有文件均为.mat（MATLAB）格式，因此可以使用MATLAB软件轻松打开。 打开任何参与者的任何培训文件（例如，文件“ Parsed_P05T”，这是参与者“ P05”的培训文件）时，您会发现两个变量“ rawdata”和“ labels”。 变量“ rawdata”是一个3-D矩阵，其尺寸格式为“ noOfTrial X no