有意思的matlab代码最小概率流学习（MPF） MPF是一种用于非标准化概率模型中参数估计的技术。 该文件中对此进行了描述： J Sohl-Dickstein，P Battaglino，MR德威斯最小概率流学习国际机器学习大会（2011） 该存储库包含为Ising模型和RBM实现MPF的Matlab代码。 目录结构如下： MPF_ising /-Ising模型中的参数估计 MPF_RBM_compare_log_likelihood / -受限玻尔兹曼机器中的参数估计。 该目录还包含将通过伪似然和对比发散训练的小型RBM与通过MPF训练的小型RBM的对数可能性进行比较的代码。 如果您对使用MPF建立神经尖峰数据的Ising模型感兴趣，还应该在查阅Liberty Hamilton的存储库。

序贯蒙特卡洛matlab代码受控SMC 这些文件夹包含MATLAB代码，这些代码实现了Jeremy Heng，Adrian Bishop，George Deligiannidis和Arnaud Doucet的arXiv报告“受控顺序蒙特卡洛”的数值结果。 StateSpaceModels /和StaticModels /文件夹包含与每个数值示例相对应的子文件夹。 每个子文件夹都有一个README.txt文件，该文件将说明如何在其中运行脚本。

差分进化算法由 Storn 和 Price 于 1995 年首次提出，是一种基于群体的高效启发式全局优化搜索算法，主要用于求解实数优化问题。差分进化算法属于进化算法，在神经网络参数优化等方面有着重要应用。

EPSDE的代码；附2014和2017数据集。 EPSDE一种参数集合和变异策略的差分进化算法(Differential evolution algorithm with ensemble of parameters and mutation strategies),2011年Mallipeddi等提出基于参数集成和变异策略的差分进化算法（EPSDE）;在EPSDE中，不同的突变策略池与每个控制参数的值池在整个进化过程中共存，并竞争产生后代。 [1]MALLIPEDDI R, SUGANTHAN P N, PAN Q K, et al. Differential evolution algorithm with ensemble of parameters and mutation strategies [J]. Applied Soft Computing, 2011, 11(2): 1679-96.

基于高斯混合模型的说话人识别matlab代码实现

以下步骤介绍了使用WLS进行图像融合的算法： （1）在我们的算法中，第一步是基于各向异性扩散（ANI）的两尺度分解，该分解用于在每次输入曝光时将较粗糙的细节（基础层）和较精细的细节（细节层）分开。 （2）弱纹理细节（即从ANI计算得出的细节层）和饱和度度量用于生成权重蒙版，以控制来自所有所有多次曝光中分离的基础层的像素的贡献。 （3）分别对第一步中计算的较粗细节和较细细节分别执行基于加权最小二乘（WLS）和基于Sigmoid函数的权重图细化。 （4）执行基于加权平均的较粗细节和较细细节的混合，以形成合成的无缝图像，而不会在大的不连续点附近模糊或丢失细节。

时间序列模型ARIMA的讲解与matlab代码实现（含多个实例）

matlab代码实现分形维数计算

矩阵论 Householder变换 Matlab代码实现

我们常用的插值方式一般为线性插值，很多时候不满足实际需要，牛顿插值是一种很好用的方法，自己通过matlab写了一个牛顿插值方法，有需要的小伙伴可以借鉴一下，有更好的方法可以一起交流哦