结合二维离散小波变换（2DDWT）和二维非负矩阵分解（2DNMF）两者的优点, 提出了一种新的人脸识别融合算法2DDWT 2DNMF。首先利用小波变换把人脸图像分解成四个子块频带区域, 并对三个高频子块进行图像融合, 然后对低频子块和融合图像进行二维非负矩阵分解以提取特征, 进而对特征数据进行加权处理。ORL和YALE人脸数据库中的识别实验表明, 与PCA、SVD、NMF以及2DDWT NMF算法相比, 新融合算法能有效缩短训练时间和提高识别率。

通过对图像矩阵进行奇异值分解，对其前N大的奇异值和左右奇异向量的提取，实现了仅用少部分数据保存图像的目的。

一种基于灰度共生矩阵的指纹图像分割方法。经过了matlab仿真测试。

矩阵的QR分解 在MATLAB中，QR分解可由函数qr实现。常用的调用格式如下： [B,C]=qr(A) 返回的矩阵C为上三角矩阵，矩阵B为满秩矩阵。 [Q,R,E] = qr(A) 返回的矩阵E是置换矩阵，矩阵R是上三角矩阵，矩阵Q是满秩矩阵。上述矩阵满足关系A*E = Q*R。

自制24x6矩阵上的闹钟，带有144个8mm白色LED。 组件和耗材 Arduino Nano R3×1个 HC-05蓝牙模块×1个 I2C实时时钟×1个 触觉开关，顶部致动×3 8mm草绿色LED×144 CD4017 IC×1个 74HC595 IC×3 通用晶体管NPN×6 电阻221欧姆×24 必要的工具和机器 烙铁（通用） 应用程序和在线服务 Arduino IDE 关于这个项目 好久前制作了一个24x6的Led矩阵，并通过添加蓝牙连接修改了该项目，因此可以通过智能手机无线输入文本内容。 通过仅添加实时时钟模块，我们可以将该设备转换为一个不错的大型闹钟，以便可以根据上传的代码在时钟或移动文本矩阵之间进行切换。我从最后一个时钟上下文中获得的修改的想法和代码，也来自指导老师Cermakamara的Instructables，该项目获得了二等奖。 使LED矩阵驱动器使用3个移位寄存器74HC595，可将输出数量相乘并节省大量的arduino引脚。每个移位寄存器都有8个输出，您只需要3个arduino引脚即可控制几乎有限数量的移位寄存器。我们还使用4017十进制计数器来扫描行，并且您最多可以用它扫描10行，因为您只有10个输出，而只需2个引脚即可对其进行控制。 演示视频: https://www.cirmall.com/articles/33884

Dmf_AttnDMF 深度矩阵分解模型 与 带注意力的深度矩阵分解模型

51单片机-矩阵键盘源码

矩阵论 Householder QR分解 matlab实现

摘要:针对参数具有确定性及不确定性的连续系统,给出两种严格耗散PI控制器的设计方法.首先,系统参数确定时,采用线性矩阵不等式方法,导出了类状态反馈和静态输出反馈

复杂网络中生成幂律网络邻接矩阵，对初学者很有帮助