omp算法matlab代码OBD数据分析 MATLAB项目旨在分析从多个驾驶会话中收集的数据，以建立能够识别不同驾驶条件的分类器。 该存储库包含我用来对从多个驾驶会话中收集到的数据进行分析的所有文件。 数据涉及速度和RPM（每分钟转数）。 为了收集它们，我开发了应用程序OBDConnection，其代码可以在我的GitHub页面上找到（它基本上是通过OBD II蓝牙适配器在智能手机和汽车之间建立蓝牙连接）。 分析目标是推断有关各种驾驶会话的驾驶状况的一些信息。 特别要指出的是，他们选择了哪种道路，例如高速公路，城外，城市（城内）。 刚开始时，我还想推断出谁是每个会话的驱动程序，但是在编写了一些预处理代码（包含在OBDDataAnalysis \ Old_DriverRecognition文件夹中）之后，我决定专注于一个简单的问题。 MATLAB项目包含在OBDDataAnalysis \ project中，而所有其他文件夹包含测量的数据（分为会话）。 在项目文件夹中，您可以找到所有.m文件。 特别是： •“ OrganizeCollectedData.m”包含用于读取收集的数据并将其保

【MATLAB项目实战】基于Morlet小波变换的滚动轴承故障特征提取研究

【MATLAB项目实战】基于CNN_SVM的图像花卉识别 里面包括单CNN、单SVM 、CNN_SVM三个程序 其中CNN_SVM里可以更改不同的CNN架构 AlexNet VGG16 VGG19 ResNet50

Gallger于 1960年提出的低密度校验(Low Density ParityCheck,LDPC)码也能逼近香农界。本节介绍二进制LDPC码的仿真实现

本文采用SPI指数对某地区地区干旱情况进行时空分析 SPI指数是McKee等在评估美国科罗拉多州干旱状况时提出的。对于某一地区而言,确定时间段内的降水量一般呈规律性的波动变化。基于这个事实,认为某一地区确定时间段内的降水量若比该时间段内多年平均降水量(可以认为是正常降水量)偏少到一定程度,就认为该地区该时段发生了干旱;反之﹐若偏多到一定程度﹐则发生洪涝。假定降水量的变化服从gamma分布,运用数学方法将降水量的累计频率分布转化为标准正态分布﹐最后求得SPI。SPI指数具有无量纲﹑标准化的特点﹐能够比较不同地区、不同时段的降水水平,可较好地反映干旱强度和持续时间。SPI指数具有多时间尺度的优势,不仅可以反映短时间尺度内降水量的变化，也可以反映长时间尺度的水资源演变情况。本文计算了1个月、3个月、6个月和12个月的SPI值﹐分别用SPI,SPI3.SPI6和 SPI12代表。

NSGA-II完整matlab项目，含ZDT1~6真实数据txt，见本人博客

【MATLAB项目实战】基于MATLAB的发票识别（含GUI界面） 灰度化 二值化 形态学操作：膨胀、形态学滤波开运算 找到各个模块分割 对各个模块进行字符分割、模版匹配最终得到结果

【MATLAB项目实战】基于GUI的数字信号处理系统 包括采样 内插 零极点分析 频率响应等内容 详情效果图见博客

lda分类代码matlab 机器学习的统计方法：  通过应用线性和非线性分类方法，建立了由太阳黑子指数数据中心 (SIDC) 提供的数据的仿射模型。 目标是建立一个模型，以便根据之前的观测结果找到预测太阳黑子数量的映射。  使用支持向量机 (SVM) 对来自斯隆数字巡天的数据进行二元分类。  对著名的 UCI 基准存储库中的可用训练数据进行主成分分析（Frank 和 Asuncion，2010 年）。 对相同的训练数据进行 3 均值聚类。 使用判别分析 (LDA) 和最近邻分类对 3 个图像类进行分类。 为了运行，我们需要以下文件： 代码的结构使得我们可以运行一个主文件来重现报告中显示的所有结果。 这个主文件是 Exam ，它调用以下所有文件： 第一种情况的数据集：sunspotsTestStatML.dt、sunspotsTrainStatML.dt 第二种情况的数据集：quasarsStarsStatMLTest.dt,quasarsStarsStatMLTrain.dt 第三个案例的数据集：seedTest.dt、seedsTrain.dt 用于第一种情况的创建的 Matl

强化学习 您可以在此处找到强化学习 Matlab 中的项目。 TP1：策略评估、策略迭代、价值迭代、Q-learning TP2：多臂强盗，汤普森采样