包含一维及二维离散傅里叶变换源码，封装完整，代码整洁。

从数据中学习结构是贝叶斯网络研究最重要的基本任务之一。 特别地，学习贝叶斯网络的可选结构是一个不确定的多项式时间（NP）难题。 为了解决这个问题，已经提出了许多启发式算法，并且其中一些在不同类型的先验知识的帮助下学习贝叶斯网络结构。 然而，现有算法对先验知识有一些限制，例如质量限制和使用限制。 这使得很难在这些算法中很好地利用先验知识。 在本文中，我们将先验知识引入了马尔可夫链蒙特卡洛（MCMC）算法，并提出了一种称为约束MCMC（C-MCMC）算法的算法来学习贝叶斯网络的结构。 定义了三种类型的先验知识：父节点的存在，父节点的不存在以及分布知识，包括边缘的条件概率分布（CPD）和节点的概率分布（PD）。 所有这些类型的先验知识都可以轻松地用在该算法中。 我们进行了广泛的实验，以证明所提出的方法C-MCMC的可行性和有效性。

拉普拉斯变换与傅里叶变换的区别： FT: 时域函数f(t) 频域函数 变量 t 变量 LT: 时域函数f(t) 复频域函数 （变量 t、 都是实数） 变量 t 变量s (复频率） t（实数） (复数） 即： 傅里叶变换建立了时域与频域之间的联系； 拉普拉斯变换建立了时域与复频域之间的联系。

滑动离散傅立叶变换（SDFT）在计算上非常有效，并且在其标称频率下工作时能够提供出色的谐波抑制性能。 但是，在标称频率之外，幅度和相位角都包含由于频谱泄漏引起的误差。 而且，在这种情况下，它的谐波抑制能力大大削弱。 该算法提出了一种在非标称频率下以固定采样率应用滑动傅里叶变换的方法，同时保持其优越的性能。 该方法涉及使用两级滑动傅里叶变换 (SFT)。 第一阶段具有固定窗口宽度的 SFT 用于驱动第二阶段的可变窗口宽度 SFT。 所提出的技术 (SFT-SFT) 已在 dSPACE MicrolabBox 上使用预生成的电压矢量进行实时测试，以模拟最不方便的电网条件。 与去耦静止参考框架 PLL 方法相比，测试场景证明了其优越的性能。 此处提供的 Simulink 文件包含算法的实现和解耦固定参考系 PLL 的实现，以便将它们的性能与相同的不便输入进行比较

枸杞叶总黄酮对UVB辐射导致的光损伤无毛小鼠皮肤组织MDA、Hyp含量及SOD、GSH-Px、CAT活力的影响，吕燕红，李海燕，目的：研究枸杞叶总黄酮对紫外线辐射导致小鼠皮肤光损伤的作用及其机理。方法：将60只昆明种小鼠剃除背部毛随机分成6组，除空白对

不同干燥方法对金钗石斛叶品质的影响，孟映霞，马朝阳，【目的】研究不同干燥工艺对金钗石斛叶主要有效成分多糖和石斛碱的影响，为金钗石斛叶产后初加工及扩大石斛药材药用部位提供理论

傅里叶变换源代码，从计算原理上编写了源程序

没有调用matlab自带的fft函数，而是自己编写的二维快速傅里叶变换fft程序 matlab平台 没有调用matlab自带的fft函数，而是自己编写的二维快速傅里叶变换fft程序 matlab平台

如题，本资源包含了完整的训练代码和训练数据。更多详情可参考博客一：https://qianlingjun.blog.csdn.net/article/details/125051953 博客二：https://qianlingjun.blog.csdn.net/article/details/125064999 数据集部分是LIDC-IDRI的CT结节的数据集，其中供参考的是分叶征的完整数据集（如果需要良恶性、毛刺征等等，可以私信我补充）。代码部分还包括了数据生成的代码，这部分可以帮助你后续产生自己的训练数据集。

RS编译码的FPGA实现研究_叶清贵，这是一篇期刊文献，但是对于编译码RS的实现有着重要的作用。适合基础小白从头开始学起。亲测有用。推荐