IMM 算法即交互多模型算法，其基本原理也是基于卡尔曼滤波算法的， IMM 算法的基本思想是：目标在空间中运动时，一般都具有不止一种运动状态，为了更加贴切地描述运动过程，将其中的每一种运动状态用不同的模型来描述， 其中每个运动模型对应一个单一的卡尔曼滤波过程，且这些单一的卡尔曼滤波在 整个系统中是独立存在互不影响的，在状态输出过程中，只需将不同的模型过程 加权，得到最后的输出滤波结果。

Linear_Threshold 社交网络影响力最大化算法（线性阈值算法以及改进算法） 1、Python 实现社交网络影响力最大化 Linear_Threshold（线性阈值模型）算法。 2、对线性阈值模型算法进行优化改进，实现贪心算法。 3、代码中有详细注释说明，测试代码，测试节点数据集，并对数据集进行处理，输出测试结果。 4、代码实现环境：Python2.7, Anoconda2,Pycharm2017。

数学建模最优化方法模型及算法程序实现，这是我参加数学建模常用的模型，与大家共享之

HMM 模型算法 包括测试的主函数，Baum-Welch 算法，已经进行了验证，可以直接运行

完整代码，可直接运行

该书为高电压与绝缘技术提供模型算法,具体涉及气体放电、电力系统过电压，雷电过电压仿真模型。

数模美赛常用算法matlab代码总结+数模大礼包 一、数模美赛常用算法matlab代码总结（包含神经网络、灰色关联、差值与拟合、聚类分析、灰色预测、遗传算法、熵权法、数据包络算法、TOPSIS方法等模型算法） 二、数模大礼包（建模+编程+论文） 包含美赛三个方面的写作经验、以及历年O奖论文、MATLAB学习、SPSS学习、Lingo学习、软件安装等精彩内容）

现代工业自动化控制中，通过PLC/DCS实现数字化控制越来越普遍。将一些典型的过程控制抽象为简单的数学算法，将数学模型应用于控制方法教学中，可使教学生动且具有实践性，同时也可增强学生对控制实现过程的理解。

闪烁噪声是一种非高斯噪声.为了提高闪烁噪声下多机动目标跟踪的精度,在交互多模型IMM(Interacting Multiple Models)算法的基础上将非线性非高斯系统滤波算法―――粒子滤波与IMM算法相结合,采用无味粒子滤波UPF(Unscented Particle Filter)代替IMM算法中各模型的卡尔曼滤波,提出了一种UPF_IMM算法,并应用该算法代替传统IMM_JPDA数据关联方法中的IMM部分,解决了闪烁噪声环境下的多目标跟踪问题,实验结果表明该算法可以明显地提高跟踪精度.

详细介绍了GMM模型训练的EM算法，对做说话人识别，理解其模型建立的过程有一定的帮助。