基于matlab的代码，使用高斯平滑化方法处理图像，去噪声。

指数平滑法的计算中，关键是α的取值大小，但α的取值又容易受主观影响，因此合理确定α的取值方法十分重要，一般来说，如果数据波动较大，α值应取大一些，可以增加近期数据对预测结果的影响。如果数据波动平稳，α值应取小一些。理论界一般认为有以下方法可供选择：　 　　经验判断法。这种方法主要依赖于时间序列的发展趋势和预测者的经验做出判断。 　　1、当时间序列呈现较稳定的水平趋势时，应选较小的α值，一般可在0.05～0.20之间取值； 　　2、当时间序列有波动，但长期趋势变化不大时，可选稍大的α值，常在0.1～0.4之间取值； 　　3、当时间序列波动很大，长期趋势变化幅度较大，呈现明显且迅速的上升或下降趋势时，宜选择较大的α值，如可在0.6～0.8间选值，以使预测模型灵敏度高些，能迅速跟上数据的变化； 　　4、当时间序列数据是上升（或下降）的发展趋势类型，α应取较大的值，在0.6~1之间。 　　试算法。根据具体时间序列情况，参照经验判断法，来大致确定额定的取值范围，然后取几个α值进行试算，比较不同α值下的预测标准误差，选取预测标准误差最小的α。 　　在实际应用中预测者应结合对预测对象的变化规律做出定性判断且计算预测误差，并要考虑到预测灵敏度和预测精度是相互矛盾的，必须给予二者一定的考虑，采用折中的α值。 下期预测数=本期实际数×平滑系数+本期预测数×（1-平滑系数） 如某种产品销售量的平滑系数为0.4，1996年实际销售量为31万件，预测销售量为33万件。则1997年的预测销售量为： 1997年预测销售量= 31万件×0.4+33万件×（1-0.4）=32.2万件

利用空间平滑方法进行相干源DOA估计，采用MUSIC算法实现

《数据预处理之剔除异常值及平滑处理》这个书籍教材介绍了一类这样的方法，帮助大家理解。

music算法....................................................................................................

高斯概率假设密度的平滑滤波算法的仿真源代码，易于分析。

该程序是用c#语言编写的用于图像基本处理的软件，包括有图像放大缩小、空间域平滑、直方图修正、锐化。频率增强。边界提取等操作。

c#编写的散点图拟合成光滑曲线的小工具。

程序为MFC对话框程序 包括 三次样条插值的计算类，自己封的很好用。 贝塞尔曲线 GDI+平滑曲线 用这三种算法来平滑曲线，在程序中可以很值观的看出来，自己写的，给点辛苦钱吧。

C++ 实现的香港中文大学徐立等人的《Image Smoothing via L0 Gradient Minimization》一文。