四元数法matlab代码（正确）平均四元数 用于正确平均多个四元数的 Python 函数。 四元数表示没有提供平均多个四元数的简单方法。 尽管在某些情况下可以使用组件平均，但这种方法有主要缺点（如下文引用的论文所述）。 这里给出的函数实现了更“数学上正确”的平均方式。 该论文还提供了一种进行加权平均（单个“每个四元数的重要性”）的方法，该方法也已实现。 原则上基于： Markley、F. Landis、Yang Cheng、John Lucas Crasidis 和 Yaakov Oshman。 “平均四元数。” Journal of Guidance, Control, and Dynamics 30, no. 4 (2007)：1193-1197。 关联： 代码基于： 托尔加·伯达尔。 “averaging_quaternions” Matlab 代码。 关联： 效率注意事项 与朴素的均值平均相比，这种方法在计算上是昂贵的。 如果只需要低精度（或四元数具有相似的方向），那么四元数平均可以通过简单地平均分量来完成（将需要归一化）。 不同平均法的比较： 克劳斯·格拉姆科。 “On Av

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab代码模型及运行结果

用卷积滤波器matlab代码 杨凌霄 该存储库包含未发布的技术报告的Matlab代码（也包含在此存储库中）。 声明：该报告已被一些顶级会议拒绝。 作者是个懒惰的人，不会重新提交任何其他会议或期刊。 但是作者本人认为这是一件好事，可能对其他人有所帮助。 介绍 最先进的轻量级跟踪器（大约100 KB） 先前有关回归跟踪器的大多数研究主要是探索用于特征提取的深层模型，然后使用复杂的体系结构进行在线检测。 这样的系统具有大量可训练的参数，从而带来严重过度拟合的风险。 而且，日益复杂的模型严重损害了许多实际应用的速度。 最近，已经提出了几种基于轻型结构的判别相关滤波器（DCF）来跟踪问题，而它们的性能却远远落后于一些最新的跟踪器。 我们认为，DCF经常学习单个线性模板，无法很好地将目标与周围环境区分开。 此外，在此类跟踪器中通过线性插值进行的模板更新将包括许多嘈杂的示例，从而降低了训练后的模型的质量。 在本文中，我们提出了一个简单而有效的系统，称为LiteCNT。 对于整个跟踪过程，我们的算法仅包含三个卷积层。 另外，引入了多区域卷积算子以进行回归输出。 这个想法很简单，但是功能强大，因为它使我

初步回归法matlab代码很棒的机器学习 精选的很棒的机器学习框架，库和软件的列表（按语言）。 受到awesome-php启发。 如果您想为该列表做出贡献（请这样做），请向我发送拉取请求或与我联系。 另外，在以下情况下，不建议使用列出的存储库： 存储库的所有者明确表示“未维护此库”。 长时间（2〜3年）未提交。 更多资源： 有关可下载的免费机器学习书籍列表，请访问。 有关在线可用的（主要是）免费的机器学习课程的列表，请访问。 有关数据科学和机器学习的博客列表，请访问。 有关免费参加的聚会和本地活动的列表，请访问。 目录 写个脚本把它们爬下来- 杀伤人员地雷 通用机器学习 -APL中的朴素贝叶斯分类器实现。 C 通用机器学习 -Darknet是一个用C和CUDA编写的开源神经网络框架。 它快速，易于安装，并支持CPU和GPU计算。 -使用协作过滤（CF）的产品推荐/建议的AC库。 -基于scikit-learn算法的混合推荐系统。 -neonrvm是基于RVM技术的开源机器学习库。 它是用C编程语言编写的，并带有Python编程语言绑定。 计算机视觉 -基于C /缓存/核心的计算机视觉库

基于 MATLAB 的开源软件，用于使用光线追踪算法生成室内可见光通信脉冲响应 Indoor_VLC_Ray_Tracing

决策树与随机森林MATLAB代码，可运行，内含EXCEL数据。

LEACH算法的matlab仿真代码，可以直接运行

花授粉算法matlab代码IROS2019论文列表 这是从修改而成的，感谢他们的出色工作。 2019年IEEE / RSJ国际智能机器人和系统国际会议（IROS 2019）已于2019年11月4日至8日在中国澳门威尼斯人举行。 IROS是全球规模最大，影响最大的机器人研究会议之一。 它带来了一个由研究人员，教育工作者和从业人员组成的国际社区，以探索智能机器人和系统中科学技术的前沿领域，并讨论在这一快速发展和令人兴奋的领域中的最新进展。 此清单由中国学术非营利组织（NGO）编辑。 最近，我们将按主题对这些论文进行分类。 欢迎关注我们的github和我们的微信公众平台帐户（）。 当然，您可以与联络。 标题 指数 用于INS / GPS融合的异常鲁棒歧管预集成 0688 同心管机器人的自主转向，提高了力/速度的可操纵性 0813 2件式六轴力/扭矩传感器，能够测量施加到复杂形状工具上的载荷 1744 未知环境中的自主混合地面/空中机动性 2028年 混合/主动/被动手腕方法在协作式机器人微创手术中提高虚拟固定装置的刚度 2255 超冗余机器人手术器械的六轴混合传感和尖端力/扭矩估计 2324

萤火虫群智能优化算法（Glowworm Swarm Optimization, GSO）是由K.N.Krishnanand和D.Ghose两位学者在2005年提出的一种通过模拟自然界中萤火虫发光行为而构造出的新型群智能优化算法。它模拟了自然界中萤火虫群中个体通过发光来吸引伙伴或觅食，萤火虫携带荧光素越多，萤火虫越亮，个体的吸引力越强，最终使得大部分萤火虫聚集在最亮的萤火虫所处位置上的这种现象

Matlab代码sqrt 古田摆Meca-482 7组 瑞安·亨氏（Ryan Heinz），罗杰·雅各布森（Roger Jakobson），罗伯特·考夫曼（Robert Kaufman），瑞安·雷沃林斯基（Ryan Revolinsky），布伦南·范·沃希 目录 1.概述 项目说明-（注：此项目是作为该项目的启动点提供给我们的。）“古斯塔摆锤或旋转倒立摆锤由一个在水平面上旋转的从动臂和一个与该摆臂相连的摆锤组成，该摆臂可自由旋转在垂直平面旋转。 它是1992年由古田胜久及其同事在东京工业大学发明的。” [1]团队在这个项目中调查的问题是以低成本和简化的方式为控制系统算法创建测试平台。 在这方面，预计项目团队将使用设计的控制系统创建系统的数学模型。 穿插： 产生一个控制器，该控制器从其垂直位置开始在其垂直位置平衡旋转倒立摆。 只有连接到摆臂的底座上的电动机才具有可控制的运动（使其成为欠驱动系统）。 因此，控制器必须以这种方式（在提供摆杆数据的传感器的帮助下）移动该臂，以迫使摆杆平衡。 在Coppelia中模拟该系统。 可交付成果： 预计该团队将展示他们的项目（约5分钟），并构建一个包含G