该代码利用matlab实现了地理加权回归的代码，内附实际算例。

提出了一种基于后验概率的加权模糊支持向量机.在模糊支持向量机中引入样本后验概率加权系数后,得到的样本点的隶属度在减弱噪音及孤立点对支持向量机分类的影响的同时,不影响支持向量对分类超平面的作用.实验结果证明,在抗击孤立点和噪音点的干扰方面,该法取得了很好的效果,提高了支持向量机分类的泛化能力和应用范围.

计算机图形学 直线距离加权 OPENGL

用matlab实现无线传感器网络节点定位的加权质心算法，仿真通过。

基于栅格算法，以欧氏距离变换为基础，实现了点、线、面等任意图形的加权voronoi图生成。相关论文地址 http://www.cnki.com.cn/Article/CJFDTOTAL-LZTX201201025.htm

本人翻遍了CSDN都找不到一个正确的TOA定位算法程序，唯一找到的一个是用最小二乘解的（参考文献N. Patwari, J. N. Ash, S. Kyperountas, A. O. Hero, R. L. Moses, and N. S. Correal, "Locating the nodes: cooperative localization in wireless sensor networks," IEEE Signal Processing Magazine, vol. 22, no. 4, pp. 54-69, 2005.），性能无法达到克拉美罗界。 因此本人自己重新写了一个程序，参考该领域著名学者K. C. Ho的文章（参考文献Z. Ma and K. C. Ho, "TOA localization in the presence of random sensor position errors," in 2011 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2011, pp. 2468-2471.）。该算法适用于传感器位置有误差/无误差的情况，算法性能能够达到克拉美罗界。示例程序中给出了CRLB的程序，场景为传感器有误差的情况。程序运行结果与参考文献一致。 （搞不懂现在的人都是要什么50积分，多分享下不好吗？） ******特别提示******：本代码多处使用了Matlab 2016a以后支持的新语法，旧版本无法正常运行的，请自行修改代码或更新Matlab版本！！！

主要是关于WLS的源程序代码编写，加权最小二乘法主要用于信息融合

阵列天线的几种激励的加权分布，包括傅里叶，泰勒和切比雪夫等

作为低秩矩阵逼近在图像处理中具有广泛的应用，其目的是根据退化图像的自相似性得到低秩矩阵来对图像进行去噪，如在计算机视觉和机器学习.低秩矩阵近似方法一般可分为两类，低秩矩阵分解(LowＲank Matrix Factorization，LＲMF)方法和核范数最小化(Nuclear Norm Minimization，NNM)方法。

传统的GN算法只适用于无向无权图的社区发现，通过对边介数进行调整得到无向有权图的GN算法实现