CSDN佛怒唐莲上传的视频均有对应的完整代码，皆可运行，亲测可用，适合小白； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博客文章底部QQ名片； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作

matlab开发-代数多重网格线性分流器。这个程序求解ax=b，其中a是m矩阵。测试用例可以在amg_test.m中找到。

Matlab系列--《基于MATLAB与FPGA的图像处理教程》学习代码

基于MATLAB与FPGA的图像处理教程 素材

基于MATLAB与FPGA的图像处理教程源码

1. Matlab实现粒子群优化算法优化BP神经网络的数据回归预测（完整源码和数据) 2. 多变量输入，单变量输出，数据回归预测 3. 评价指标包括：R2、MAE、MSE、RMSE 4. 包括拟合效果图和散点图 5. Excel数据，暂无版本限制，推荐2018B及以上版本

非隔离双向DC DC变换器 buck-boost变换器仿真 输入侧为直流电压源，输出侧接蓄电池 模型采用电压外环电流内环的双闭环控制方式 正向运行时电压源给电池恒流恒压充电，反向运行时电池放电维持直流侧电压稳定 matlab simulink仿真模型 ~

matlab改变代码颜色MDL4OW 的源代码和注释： 刘胜杰，石谦和张良培。 使用多任务深度学习的未知类的少量快照高光谱图像分类。 IEEE TGRS，2020年。 接触： 代码和注释在此处发布，或检查 概述 普通：错误分类道路，房屋，直升机和卡车 以下是正常/封闭式分类。 如果您熟悉高光谱数据，您会发现培训样本中未包含某些材料。 例如，对于上方的图像（萨利纳斯山谷），道路和农田之间的房屋无法分类为任何已知类别。 但是，深度学习模型仍然必须分配标签之一，因为从不教它识别未知实例。 我们的工作：用黑色掩盖未知的事物 我们在这里所做的是，通过使用多任务深度学习，使深度学习模型具有识别未知事物的能力：那些被黑色掩盖的事物。 对于上方的图像（萨利纳斯山谷），农田之间的道路和房屋已成功识别。 对于下图（帕维亚大学校园），直升机和卡车被成功识别。 钥匙包 tensorflow-gpu==1.9 keras==2.1.6 libmr 在Windows 10的Python 3.6上测试 推荐Anaconda，Spyder 如何使用 高光谱卫星图像 输入图像的大小为imx×imy×通道。 卫星图像是标

Smith 范式（也称为 Smith Canonical 形式或不变因子定理）是一个对角矩阵 D，它包含域 F 上任何大小为 n × m 的 A 矩阵的不变因子（在附加的实现中，它为整数 Z 和多项式环 F[x])。 D = |d1 0 ... 0 ... 0|= TAS |0 d2 ... 0 ... 0| |: : ... : ... :| |0 0 ...博士 ... 0| |: : ... : ... :| |0 0 ... 0 ... 0| 其中 d1 , ..., dr ∈ F 是单数的，dj |dj+1 对于 1 ≤ k ≤ r − 1。T 是基本行单模矩阵的乘积，S 是基本列单模矩阵的乘积。 提供了两个函数：用于整数矩阵的 [T,D,S]=smithFormInt(A) 和用于多项式矩阵的 [T,D,S]=smithFormPoly(A)。 运行 smithDemo

逆时偏移是一种地震偏移技术，它可以分为叠后逆时偏移和叠前逆时偏移两类。叠后逆时偏移利用爆炸反射面成像原理，处理的是水平叠加剖面。计算过程是从时间剖面的最后一个时间采样点开始，逆时外推直到时间零点，此时空间中所有振幅值组成了最终的偏移剖面。而叠前逆时偏移则是对单炮记录数据进行逆时偏移，然后将各炮的成像结果叠加，得到最终的成像剖面。在叠前逆时偏移中，成像条件通常使用的是激发时间成像条件，即震源到每个成像网格点的单程旅行时间。这个成像条件的求取是弹性波逆时偏移的一个难点，通常采用求解程函方程的方法来求取地下各点的成像条件。逆时偏移是比较简单的偏移反演代码，通过波场的正传和反传做互相关然后成像。该matlab代码包含了对简单高角度的速度模型的成像，实际发现对高角度的成像效果不错。逆时偏移完做拉普拉斯滤波可以发现效果更加明显。