均值滤波和中值滤波在matlab中的应用及其matlab代码

ddc的matlab代码动态离散选择模型 方法、Matlab 代码和练习 作者：Jaap H. Abbring 和 Tobias J. Klein 用于教授和学习动态离散选择模型的计量经济学的 Matlab 包。 有关详细的文档和练习，请参阅。 运行主要的 Matlab 脚本dynamicDiscreteChoice.m以获取动态离散选择模型的估计示例。

svd算法matlab代码CSIQ_objective 该软件可在CSIQ图像数据库[1]上提供以下客观指标的计算：MSE，SNR，PSNR，PSNR-HVS，PSNR-HVS-M，UQI，SSIM，MS-SSIM，M-SVD，QILV，IFC， VIF，VIFp，FSIM，IW-MSE，IW-PSNR，IW-SSIM，WSNR，VSNR，DN。 从本文档末尾的参考文献中的实现中获取代码。 该软件还针对主观得分绘制结果（1-DMOS）进行比较，并在CSIQ数据库中计算客观结果与主观评级之间的皮尔逊相关系数。 绘图与.png文件保存在同一文件夹中。 使用VQMT软件计算PSNR-HVS，PSNR-HVS-M和VIFp结果[2]。 需要安装OpenCV库（）才能运行VQMT。 仅需要core和imgproc模块。 前提条件 MATLAB（2013年以来的版本） 用法 将所有文件夹和文件下载到本地文件夹。 在MATLAB中调用computeObjective.m。 CSIQ视频数据库结果 在CSIQ视频数据库上计算VQM和VMAF指标[13]。 VQM是使用可在处获得的VQM软件计算的。 使

内点法matlab代码线性规划的乘数交变方向法（ADMM） 该项目是由Junjie（Jason）Zhu和Nico Chaves为Stanford MS＆E 310（线性编程）开发的。 我们实现了ADMM优化方法的几种新颖配置，并进行了一些实验。 有关背景，实验和结果的完整讨论，请参见我们的。 问题产生 要生成一个可行且有限的测试问题，请运行： m = 50; n = 300; prob_seed = 1; [c, A, b, opt_val] = generate_linprog_problem(m, n , prob_seed); 这里的问题将有50个约束和300个变量。 问题种子仅是为了可重复性。 请注意，generate_linprog_problem返回LP的最佳值（由MATLAB的linprog函数计算）。 解算器功能 我们开发了4种ADMM求解器：原始，内部点原始，对偶和内部点对偶。 您可以为每个求解器指定参数以使用预处理和/或块拆分。 如果您选择使用> 2个块来指定块分割，那么我们强烈建议将random permutation参数设置为true。 正如我们在报告中所显示的

这些是用于 2D 和 3D 可变形图像配准的代码，使用中空间独立方法（Aganj 等人，NeuroImage 2017）。 有关简短教程，请参见EXAMPLE.m。 如果可用，可以使用 GPU 来加速注册。

遗传算法优化神经网络matlab代码，里面有详细的说明

排队模型%M/M/S/m排队模型 %s——修理工个数 %m——机器源数 %T——时间终止点 %mu1——机器离开-到达时间服从指数分布 %mu2——修理时间服从指数分布 %事件表： % p_s——修理工空闲概率 % arrive_time——机器到达事件 % leave_time——机器离开事件 %mintime——事件表中的最近事件 %current_time——当前时间 %L——队长 %tt——时间序列 %LL——队长序列 %c——机器到达时间序列 %b——修理开始时间序列 %e——机器离开时间序列 %a_count——到达机器数 %b_count——修理机器数 %e_count——损失机器数

mean variance

个人整理 斯坦福公开课 机器学习CS229课程 较全讲义、作业和matlab代码。

希尔伯特谱分析matlab代码很棒的量子机器学习 精选的真棒量子机器学习算法，研究材料，库和软件的列表（按语言）。 目录 介绍 为什么要进行量子机器学习？ 机器学习（ML）只是近来的一个名词，但其工作始于18世纪。 什么是机器学习？ 简单来说，答案是使计算机或应用程序学习自己。 因此，它与计算机科学和IT等计算领域完全相关吗？ ，答案不正确。 机器学习是一个通用的平台，融合了从农业到机械的生活各个方面。 计算是轻松有效地使用ML的关键组件。 更明确地说，谁是ML的母亲？毫无疑问，数学是ML的母亲。 世界上巨大的发明复数诞生了这个领域。 将数学应用于现实生活中的问题总是可以解决的。 从神经网络到复杂的DNA，都在某些特定的数学公式和定理下运行。 随着计算技术的发展，越来越快的数学进入这一领域，并通过计算向现实世界提出了解决方案。 在计算技术的时间轴上，一旦有一定的成就达到了人们的兴趣，人们就有兴趣使用诸如复数，本征等高级数学思想，并且它在ML领域（如人工神经网络，DNA计算等）的启动。 现在的主要问题是，为什么现在这个领域正在蓬勃发展？ 从业务角度来看，在ML的启动时间之前8-10年，最