以下论文中描述的非局部欧几里得中值 (NLEM) 算法的 MATLAB 实现： [1] KN Chaudhury 和 M. Unser，“非局部欧几里得中位数”，IEEE 信号处理信件，卷。 19，没有。 2012 年 11 月。 当前的实现是为了实验用途，在效率方面远非最佳。 例如，它可以使用 *parfor* 循环进行优化，或使用 mex 代码计算欧几里得中值。

非最小相位是指具有右半平面零、极点或滞后的线性对象，在DCDC变换器中,Boost变换器以电容电压作为输出量进行反馈控制时，是一个非最小相位系统。由于目前大多数Boost电路的控制方法选用的是传统PID控制，这种方法具有结构简单、可靠性高等特点，但是系统的动态特性、抗干扰性能却有待进一步提高。由于预测PI控制算法具有抗滞后和抗非最小相位特性的能力，将其应用到Boost电路中进行理论研究并进行实时仿真。仿真结果表明，预测PI控制算法具有良好的动态特性且抗干扰性强,能够体现良好的控制效果。

基于Pseudo-Partial-Derivative(PPD)的概念动态线性化非线性系统,利用集结方法处理未来预测时刻的PPD,实现了非线性系统的自适应预测函数控制.所给算法的预测模型只与当前时刻的测量数据有关,不依赖于对象的具体结构.该算法能够提供有界的输入输出,并能无偏差跟踪给定值.最后通过大滞后对象和强非线性pH中和滴定实验验证了该方法的有效性,并说明了其具有很强的鲁棒性和抗干扰能力.

针对现有的利用非线性滤波算法对神经网络进行训练中存在滤波精度受限和效率不高的缺陷, 提出一种基于容积卡尔曼滤波(CKF) 的神经网络训练算法. 在算法实现过程中, 首先构建神经网络的状态空间模型; 然后将网络连接权值作为系统的状态参量, 并采用三阶Spherical-Radial 准则生成的容积点实现神经网络中节点连接权值的训练. 理论分析和仿真结果验证了所提出算法的可行性和有效性.

求解非线性扩散方程，该方程可以线性化，如 Richtmyer & Morton [1] 中的一般非线性扩散方程所示。 该方法是将 pde 线性化并应用 Crank-Nicolson 隐式有限差分格式以数值方式求解方程。 Matlab 运行命令-------------------------- 类型： IsoFreeSurfaceSolver 解决 pde： ------------------- \frac{\partial h}{\partial t}=\frac{1}{12}\frac{\partial^2 h^4}{\partial x^2} pde 可应用于在重力作用下在水平基底上扩散的等温粘性流体流动 - Huppert [2]。 请注意，PDE 已无量纲化。 初始条件： t=0: h = (1 - x^2)_{+} + 10^-6（有预湿膜） 考虑到 x = 0

相对应该文章学习利用的代码

该代码执行 Spearman 的 rho 测试。 它针对趋势的替代测试向量 V 中趋势缺失的零假设。 测试结果返回 Td = 1 表示正趋势 Td = -1 表示负趋势，即在 alpha 显着性水平拒绝原假设。 Td = 0 表示未能在 alpha 显着性水平上拒绝原假设。

非线性规划课件PPT，适合学习最优化方法的童鞋们

描述 在MIT视频监控数据集上使用NNMF进行异常检测 接触 Vu Nguyen博士， 引文 Bayesian Nonparametric Approaches to Abnormality Detection in Video Surveillance. Nguyen, V., Phung, D., Pham, D. S., & Venkatesh, S In Annals of Data Science, pp 1-21, 2015. Interactive Browsing System for Anomaly Video Surveillance. T.V. Nguyen, D. Phung, S. K. Gupta, and S Venkatesh In IEEE Eighth International Conference on Intelligent Sensors,

unix网络编程卷一（第三版）,网络编程圣经，注意是非扫描清晰版噢