计算 P 的 u 和 d，P=u*d*u' u 是上三角矩阵d 是对角矩阵P是实对称矩阵

ASP.NET商业系统： 一款增强企业或团队执行力的商业应用系统! 可以协助企业或团队将战略目标逐渐分解为员工的工作目标和工作任务！ 提供合理的计划、有效的激励、良好的习惯帮助员工完成工作目标！采用基于目标的绩效考核使员工更专注于工作目标！ 协调统一员工的意志行为，以共同努力实现企业或团队的战略目标。 主要功能：目标管理、目标分解、目标上报下达、目标溯源、目标进度反馈、任务指派、任务管理、任务进度反馈、平衡计分卡绩效考核、绩效自评、上司评价、同事评价、公司审定等。

基于相似度理论的区域划分图像融合技术在异质传感器图像融合方面取得了较好的研究进展，但传统相似度参数不能真正反映图像在结构方面的相似度信息。使用反映图像细节结构信息的小波相似度替代传统的相关系数相似度，并使用反映人类视觉的对比度敏感函数对不同尺度的小波系数进行加权，利用加权相似度对待融合图像进行冗余与互补划分。实验结果表明，该方法能够进一步衡量图像间的结构相似度，取得了优于传统相似度参数的融合效果。

使用脉冲响应函数以及方差分解的方法组合实现广义预测误差方差分解的方法，构建风险溢出矩阵，从而更好的衡量各个个体间的影响

下面的程序实现256色灰度图像的8位位平面分解。以前用VC做很麻烦，但在matlab中却显得非常简洁。matlab不愧是一款很受欢迎的辅助研究工具----来源于向德生的BLOG。引用请注明出处！

本程序适用于非线性、非平稳信号，其分解后的imf分量能够较好地抑制端点效应

QR_CUDA ###使用CGS和MGS的QR分解的GPU实现 这些文件包含用于在GPU上运行Cholesky分解的代码。 它是在安装了CUDA 11.0开发套件的Visual Studio 2019中创建并运行的。 输入矩阵及其尺寸在代码中定义。 在文件QR_CGS.cu中，使用Classical Gram Schmidt算法分解矩阵。 在文件QR_MGS中，使用了改进的Gram Schmidt算法。

可以实现EEMD的分解功能，有效的进行风速预测

二维紧凑变分模式分解 (2D-TV-VMD) 空间紧凑和光谱稀疏的图像分解和分割将多维信号（例如图像）分解为空间紧凑、潜在重叠的本质上波状的模式，使这些组件可用于进一步的下游分析。 通过这种分解，可以进行空频分析，解调，局部方向估计，边缘和拐角检测，纹理分析，降噪，修复或曲率估计。 我们的模型将输入信号分解为具有窄傅立叶带宽的模式； 为了应对与窄带宽不兼容的尖锐区域边界，我们引入了二进制支持函数，它们在窄带模式下充当图像重组的掩码。 L1 和 TV 术语促进稀疏性和空间紧凑性。 将支持函数约束到信号域的分区，我们有效地获得了基于光谱均匀性的图像分割模型。 通过将多个子模式与单个支持函数耦合在一起，我们能够将图像分解为多个晶粒。 我们的高效算法基于变量分裂和交替方向优化； 我们采用类似 Merriman-Bence-Osher 的阈值动力学，在稀疏促进项下通过支持函数边界的平均曲率有效地处理

二、奇异值分解法 1定理 的奇异值分解为设 nmrCA   UDVV D UA r        00 0 则有 ;)1( HH UDVA   ; 1 ||||)2( 1 2 2    r i i FA  }{min 1 ||||)3( 1 2 i ri A    