matlab隶属度代码用于贝叶斯估计（MBE）的Matlab工具箱 概要 这是用于贝叶斯估计的Matlab工具箱。 该代码的基础是在以下论文（Kruschke，2013），书籍（Kruschke，2014）和网站（）中描述的Kruschke R代码的Matlab实现。 该工具箱旨在为用户提供与Kruschke的代码类似的可能分析，但仍使其可在仅Matlab的环境中使用。 另外，将来我将尝试添加其他功能，以使其不仅适用于组比较，而且还适用于其他功能。 程式码范例 本示例使用Kruschke的BEST论文（2013年）中提供的数据。 运行脚本mbe_2gr_example.m。 %% Load some data % EXAMPLE DATA (see Kruschke, 2013) % see http://www.indiana.edu/~kruschke/BEST/ for R code y1 = [101,100,102,104,102,97,105,105,98,101,100,123,105,103,100,95,102,106,... 109,102,82,102,100,1

本文复现的是是发表在ICCV 2017的工作《Learning Feature Pyramids for Human Pose Estimation》，论文提出了一个新的特征金字塔模块，在卷积网络中学习特征金字塔，并修正了现有的网络参数初始化方法，在人体姿态估计和图像分类中都取得了很好的效果。

This book presents a systematic and unified approach for modern nonparametric treatment of missing and modified data via examples of density and hazard rate estimation, nonparametric regression, filtering signals, and time series analysis. All basic types of missing at random and not at random, biasing, truncation, censoring, and measurement errors are discussed, and their treatment is explained. Ten chapters of the book cover basic cases of direct data, biased data, nondestructive and destructive missing, survival data modified by truncation and censoring, missing survival data, stationary and nonstationary time series and processes, and ill-posed modifications. The coverage is suitable for self-study or a one-semester course for graduate students with a prerequisite of a standard course in introductory probability. Exercises of various levels of difficulty will be helpful for the instructor and self-study. The book is primarily about practically important small samples. It explains when consistent estimation is possible, and why in some cases missing data should be ignored and why others must be considered. If missing or data modification makes consistent estimation impossible, then the author explains what type of action is needed to restore the lost information. The book contains more than a hundred figures with simulated data that explain virtually every setting, claim, and development. The companion R software package allows the reader to verify, reproduce and modify every simulation and used estimators. This makes the material fully transparent and allows one to study it interactively. Sam Efromovich is the Endowed Professor of Mathematical Sciences and the Head of the Actuarial Program at the University of Texas at Dallas. He is well known for his work on the theory and application of nonparametric curve estimation and is the author of Nonparametric Curve Estimation: Methods, Theory, and Applications. Professor Sam Efromovich is a Fellow of the Institute of Mathematical Statistics and the American Statistical Association.

可以配合Vehicle_Key_Point_Orientation_Estimation论文进行学习，这个模型是我根据公开的源代码部分进行绘制，不过只有关键点识别和方向识别部分

手势识别代码 MATLAB 写的，从外面转过来的。。

matlab匹配滤波代码仅通过MMSE估计实现的自适应脉冲压缩 作者：Pardhu M 接触： 描述 此方法基于最小均方误差（MMSE）公式，其中从接收信号中自适应估计每个单个距离单元的脉冲压缩滤波器，以减轻大目标附近匹配滤波导致的掩蔽干扰。 代码详细信息 所有代码均以Matlab 2015版本编写。 参考文件 Blunt，Shannon D.和Karl Gerlach。 “通过MMSE估计进行自适应脉冲压缩。” IEEE航空航天和电子系统学报42.2（2006）：572-584。 免责声明 提及的作者对上述论文没有任何版权。

b-样条配准matlab代码运动估计-压缩传感-MRI 该存储库包含JFPJ Abascal、P Montesinos、E Marinetto、J Pascau、M Desco论文中介绍的基于 B 样条的压缩感知 (SPLICS) 方法的 MATLAB 代码。 小动物研究中自门控心脏电影 MRI 的总变异与基于运动估计的压缩感知方法的比较。 PLOS ONE 9(10): e110594, 2014. DOI: SPLICS 通过将连续帧之间的运动建模到重建框架中来概括时空总变化 (ST-TV)。 使用基于分层 B 样条的非刚性配准方法估计运动。 SPLICS 解决了以下问题 其中第一项对应于 TV，T 是时间稀疏算子，F 是傅立叶变换，u 是重构图像，f 是欠采样数据。 使用 Split Bregman 公式可以有效地解决优化问题。 这个演示 此演示在心脏电影 MRI 数据上比较 TV、时空 TV 和 SPLICS。 此版本的 SPLICS 包括两个步骤：i) 根据先前的重建（在此示例中由 TV 给出的图像）估计运动，以构建编码运动的稀疏时间算子，ii) 考虑先前估计的运动算子的图像

传播算子DOA估计算法MATLAB程序,估计到达角、离开角

Research articles on the DOA estimation for mixture of coherent and non coherent sources

采用时域，频域平均声强法进行目标方位估计