matlab红外光谱预处理，MSC，SG平滑等多种预处理算法，matlab代码

电子科技大学-何子述的现代数字信号处理课后作业第七章的的仿真代码，可以直接在matlab上面跑出来

PCA的MATLAB代码，可以用于任何利用PCA进行特征提取的场合，如人脸识别等

图像模糊matlab代码复合材料 论文代码“一种改进的模糊C均值算法用于颅面CBCT图像中的阴影校正” 内容 matlab 文件夹包含执行偏差校正的 matlab 代码，而 python 文件夹包含执行相同操作的 python 代码，以及更复杂方法的示例，其中偏差场也受平滑度约束。 例子 在人头示例上运行代码的示例。

降级本地距离度量学习 黄银杰 中央佛罗里达大学 2013年 ＃＃＃内容＃＃＃ 一般信息 要求 安装 用法 引文 =========================================== ＃＃＃一般信息＃＃＃ 编写该软件以实现算法“降秩本地距离度量学习”。 版权归作者所有。 ＃＃＃要求＃＃＃ 要运行此软件，您需要安装以下组件： MathWorks MATLAB ＃＃＃安装＃＃＃ 该软件不需要任何安装。 只需将文件放到文件夹中即可。 ＃＃＃用法＃＃＃ 请将数据集放在“数据”文件夹中。 数据格式为“ <维度+1> X <数据数>>”。 最后一行是数据的标签。 要运行该软件，请运行文件“ Demo.m”，可以在其中设置许多参数。 请参考该论文如何设置这些参数。 如果要保存测试结果标签，请转到“ \ Functions \ R2LML”。 取消第81行的注释。标

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

场线环路matlab代码数值计算 关于 该存储库包含用于在 . 通过在MATLAB中计算线性方程组的解来进行数值计算。 然后使用这些解来计算这些解具有的各种属性（例如总能量、半径、总通量、 B 的峰值等） 用户指南 免责声明 我只在类似 Unix 的环境中运行过它，所以如果你试图在 Windows 上运行它，它可能无法工作，因为路径声明与 Windows 标准不一致。 当然，我可以根据要求解决这个问题。 运行代码 在MATLAB 中，转到matlab目录并运行 dimensionless （或dimensionless_Sixth_order.m如果你想用六阶单项式求解方程） 这将产生的涡流轮廓曲线和文件写下各自的特点称为data/Dimensionless_Data.txt （或data/Dimensionless_6thorder_Data.txt在6阶单项的情况下） 每次运行的特征按以下顺序记录到 5 个小数点上： 1 2 3 4 5 6 7 8 n α 总通量 总能量 半径 A0max 最大字段 残留物 此外，每个配置文件的data/solutions/dimensionles

shapley 值的matlab代码粒子物理的机器智能 这是一个存储库，其中将包含机器学习和人工智能在粒子物理学中的应用的有用代码 也欢迎用于相关研究领域的代码。 我们不想包括所有物理学，因为节制变得困难。 但是，如果您觉得您的代码对本存储库的受众有用，请发送 PR，我们将对其进行查看 规则： 代码可以是任何语言。 对于python，欢迎使用脚本和笔记本。 代码应放在一个独立的文件夹中，该文件夹应包含以下内容： 完整代码：使代码工作所需的所有文件（包括数据文件）。 README.md ：以降价格式编写的 README.md，解释了代码的作用以及如何运行代码。 数据文件：如果数据文件太大或公开可用，任何检索它们的链接都必须包含在代码或 README.md 中。 作者详细信息：负责维护代码的作者的姓名和电子邮件。 依赖项：需要安装的依赖项列表（例如，python 代码的 requirements.txt） 参考文献：如果您的代码已用于出版物，请指定要引用的论文。 代码的作者将全权负责确保代码与目录中提供的文件一起运行/编译。 不要交叉链接到其他目录中的其他代码。 请保持目录自包含，即使这意

Matlab的耳语PNU学习 以下论文的MATLAB代码： “基于来自阳性和未标记数据的分类的半监督分类”，ICML 2017。 “基于正无标记学习的半监督AUC优化”，MLJ 2018。 也可以看看 如果您需要Python代码，请访问。

EMD的matlab代码分享MSN：用于密集点云完成的变形和采样网络 MSN是一种基于学习的形状补全方法，可以保留已知结构并生成密集且分布均匀的点云。 有关更多详细信息，请参阅我们的 AAAI 2020。 在这个项目中，我们还提供了点云的地球移动距离（EMD）的实现，它基于拍卖算法，只需要 $O(n)$ 内存。 完成后获得 32,768 分 用法 1) 环境和先决条件 pytorch 1.2.0 CUDA 10.0 Python 3.7 2) 编译 编译我们的扩展模块： cd emd python3 setup.py install cd expansion_penalty python3 setup.py install cd MDS python3 setup.py install 3) 下载数据和训练好的模型 从 下载数据和训练模型。 由于规模较大，我们不提供训练集的部分点云。 如果要训练模型，可以使用 和 生成它们。 我们为每个 CAD 模型生成 50 个局部点云。 4) 训练或验证 运行python3 val.py来验证模型或python3 train.py从头训练模型。 E