最大内切圆或者换句话说，“最大内圆”、“最大空圆”等。 这是计算几何中非常常见的问题，要高效解决并不简单。 解决 2D 图像/轮廓处理，我在网上找不到好的实现。 一般来说，解决这个问题的合理方法是利用Voronoi Diagrams，一般为O(nlogn)。 在稍微分析了这个问题之后，我注意到使用众所周知的距离变换可以很容易地近似解决这个问题。 方法如下： 计算目标可以写成： (x, y) 最大化 r = min_{i} r_{i} 其中 r_i = ||(x_i, y_i) − (x, y)|| d_i = r_i − r (x_i, y_i)：配对数据点(x, y), r : 对，标量圆心和半径在非数学方面： 1.最大内切圆的中心将位于多边形内2. 这种圆的中心离多边形边上的任何一点最远。 因此，我们寻找位于多边形内部并且与最近的边缘具有最大距离的点。 这正是位于轮廓内的像

包括两个函数：Fseries.m 和 Fseriesval.m [a,b] = Fseries(X,Y,n) 拟合形式的 n 阶傅立叶展开y = a_0/2 + Sum_k[ a_k cos(kx) + b_k sin(kx) ] 使用最小二乘法拟合向量 X 和 Y 中的数据。 Y = Fseriesval(a,b,X) 计算由系数 a 和 b 在向量 X 中的值定义的傅立叶级数。 额外的参数允许重新缩放 X 数据和仅正弦或仅余弦的扩展。 例子： % 生成数据x = linspace(0,2,41)'; y = mod(2*x,1); % 使用 FSERIES 来拟合[a,b,yfit] = Fseries(x,y,10); % 在更精细的网格上进行评估xfine = linspace(0,2)'; yfine = Fseriesval（a，b，xfine）; ％可视化结果情节（x

该代码为给定的传递函数导出所需程度的降阶近似值。 使用的方法是 Routh-Pade 近似。 计算给定的 n 阶稳定传递函数 G 的 r 阶 Routh-Pade 近似，其中 1<=r<=n。 简化模型的分母是使用简化的 routh/gamma 表计算的。 另一方面，分子是通过矩匹配计算的。 例子G=tf([1 2],[1 3 4 5]) r=2； R=Routh_Pade(G,r) 给出输出 转换功能： 0.5714 秒 + 1.143 --------------------- s^2 + 2.286 s + 2.857

不完全信息系统中基于并行矩阵的近似计算方法

利用Matlab近似计算圆周率的若干方法 本文分别采取幂级数展开式的方法、随机数的方法、数值积分的方法和公式法结合matlab程序实现对圆周率的近似计算，分析实验结果，比较每种方法的近似程度的高低，实现了matlab实验和数学理论的良好结合。

π值一直都是数学家们非常感兴趣的问题，那么如何计算π值呢，用连分手逼近π是一个非常有效的方法,这里用mathematica进行简单的编程来解决这一问题。