mpsim：MatlabOctave中的开源GNSS多路径模拟器

一个简单而强大的网格生成器，基于MATLAB / GNU Octave语言，可通过全自动工作流程从曲面或任意3D体积图像（例如MRI / CT扫描）创建有限元网格。

matlab模拟优化代码＃trullekrul用于各向异性网格自适应，拓扑优化和有限元方法的MATLAB / Octave脚本 拓扑优化和各向异性网格自适应，可在2D和3D中实现最佳导热： top5000( 2e-3 , 5e-3 , 0.5 , false ,[],[], 0.1 ,[], 1 / 20 , 300 , 1e-3 , pi / 5 , ' fig7c ' ); top5000( 0.4 , 7e-2 , 0.1 , true , 0.75 , 0.7 , 0.5 , 1.5 , 1 / 10 , 283 , 1e-3 , pi / 4 , ' fig9b ' ): 有关详细说明，请参见WCSMO12会议进程： 相同的技术可以用于线性弹性的2D / 3D最小柔度： top5001( 7.5e2 , 2e-2 , 0.5 , 0.3 , false , 2 , 1 , [], 1 / 20 , 400 , 1e-2 , ' fig5b ' , 1.025 , 5 , false ); top5001( 2e3 , 2e-2 , 0.1 , 0.3 , 2 , 2 , 0.

octave 用于机器学习中 数据的显示和分析，其中一些可用的矩阵操作也是很容易的。

用matlab生成谐波代码估算脑电图定期放电瞬时频率（IF）的方法 M文件的这种收集（计算机代码）实现了一种估计EEG上定期放电的IF的方法。 需要Matlab或Octave（编程环境）和[fast_TFDs]（（）软件包。 内容 快速开始 第一步也是必不可少的步骤是添加路径，以便Matlab可以找到所有代码。 使用load_paths_all函数： >> load_paths_all; 档案 所有Matlab文件（.m文件）的标题中都有描述和示例。 要读取此标头，请在Matlab中键入help 。 目录结构如下： . ├── data # some signal examples in .mat files ├── methods # IF estimation methods ├── synth_PLED_signal # generate the synthetic (PLED-like) signals │   └── generate_data └── utils # miscellaneous collection of utilities 例子1

acc的matlab代码MLTool-BCI Matlab / Octave机器学习工具箱，用于线性分类以及在脑机接口（BCI）中的应用。 该工具箱随GPL许可证一起分发，并随附于教程一章“针对BCI的机器学习”。 特征 线性模型 线性判别分析（LDA） 支持向量机（SVM） 岭回归（RR） 验证策略 坚持 随机抽样 K折交叉验证 遗漏的引导程序 绩效指标（分类和回归） 准确度（ACC） ROC曲线下的面积（AUC） 科恩的卡伯（k） 均方误差（MSE） 相关系数（corr） 演示数据集 具有CSP功能的汽车影像（MI） 具有时间功能的P300喷码机 ECoG手指运动预测数据集 安装 下载当前版本 提取子文件夹 使用“ addpath（genpath（'path-to-mltool'））”将路径添加到Matlab / Octave，以执行工具箱中的任何功能 简短文件 工具箱中的所有功能都包含带有参数定义的详细文档。 分类器文件夹包含所有线性模型估计函数（仅二进制分类） 性能文件夹包含所有性能计算功能 验证文件夹包含所有pvalidation循环 图形文件夹包含本章中用于生成图形的脚本

用于Octave和MATLAB的薄膜多层工具箱 乌尔夫·格里斯曼（Ulf Griesmann），2013,2014,2015 ， 该软件大多数在公共领域。 某些部分（例如，用于差异演化最小化的“ devec3”功能）是在GNU公共许可证下分发的。 可以从以下下载新版本，其他文档和示例脚本： : 动机 在许多应用中使用由不同材料的多个薄层组成的功能性表面来更改表面性能。 多层在光学中非常重要，在多层中，多层可用于修改表面对光的响应。 减反射涂层就是一个例子，它可以减弱玻璃与空气之间的反射。 在光学中，多层涂层的光谱响应通常是最令人感兴趣的。 多层重要的另一个领域是光刻。 在光刻中，基板上涂有一层抗蚀剂材料。 光刻曝光的质量在很大程度上取决于抗蚀剂叠层的光学性质及其精心的优化。 薄膜叠层特性的光谱依赖性在光刻中不太重要，因为波长几乎是单色的。 层厚度的优化通常更为重要。 其他免费软

nmf的matlab代码非负矩阵分解 通过倍频更新和贪婪坐标下降（GCD）编写的非负矩阵分解（NMF），采用八度。 特征 您可以在Octave（当然是MATLAB）上轻松执行NMF。 使用算法是关于欧几里得距离（EU），KL散度和IS（Itakura-Saito）散度准则的乘法更新规则。 NMF的背景 您应该阅读以下文章。 NMF： 乘法更新： 欧盟，吉隆坡 其他（beta差异） 贪婪坐标下降（GCD）：此算法仅支持EU。 用法 ./exc_nmf.m 默认设置 该默认程序通过实数执行模拟。 如果要处理真实数据，请更改代码，例如“ parameter_setting.m”，“ input_data.m”等以供使用。 随机非负观测矩阵的大小：（18,30） 基本向量数：4 迭代次数：200 更新规则的初始值设置方法：随机非负值 您可以像下面那样在“ parameter_setting.m”上更改这些默认设置， % size of observation matrix I = 18; J = 30; % number of basis vectors K = 4; % iteration

该软件提供了一个易于使用的 MQTT 接口，用于在物联网世界中快速进行原型设计和算法测试。 该接口弥补了 [Paho](https://www.eclipse.org/paho/) iot.eclipse.org 项目中的 MQTT Java 客户端实现与高级数值编程之间的差距。 提供了不同的用法示例。

SDPT3版本4.0:MATLAB/Octave软件，用于半定积分二次线性规划。SDPT3是一个Matlab程序包，用于求解包含线性方程和不等式、二阶锥约束和半定约束(线性矩阵不等式)的凸优化问题。