som
matlab代码SOT
自组织轨迹的Matlab代码
采取一组n维轨迹，并产生一个压电线性“均值”轨迹。
计算每个线段周围的笔画内方差。
标准SOM可以看作是一个两步过程：
将每个点分配给最近的节点
调整最近节点及其邻居的位置，使其朝向指定点的平均值
SOT在以下几点上起作用：
计算每个轨迹（一组连续点）与保存的SOM轨迹（一组连续节点）最接近的DTW映射。
将每个点分配给DTW映射的相应节点。
如上述2
SOT是常规SOM点的限制，以保持点到节点映射的连续顺序。
用法：添加（）所有轨迹，然后运行Adapt（）和AdaptDTW（）直至收敛。
从segvar估计中获取方差，或运行fullmean进行完整分析。
有关划船轨迹示例，请参见example.m和example2.m
请注意，此实现基于已恢复的2013年早期版本的代码，并且在细节上可能与本文中的实现有所不同。
我已尽我所能尝试重新创建该文件的代码。
该实现使用Dan
Ellis（）的Dynamic
Time
Warp实现，该实现需要编译。
2022-10-26 09:39:42
29.3MB
1
该函数提供了一个ARMA谱估计，最大熵满足相关约束（极点数）和倒谱。 该函数需要3个输入：输入信号、分母阶数、分母阶数和输出变量分别为：分子系数、分母系数和输入噪声功率的平方根。
2022-10-25 18:56:54
4KB
1
图像处理方面，有关EM算法matlab完整代码，编写了好久。 图像处理方面，有关EM算法matlab完整代码，编写了好久。
2022-10-24 21:05:30
793KB
1
榆木分类器在线词典学习
这是在线稀疏字典学习和时间金字塔匹配的官方Matlab实现[“李南宇，司玉娟，邓铎，袁春雨ECG通过在线稀疏字典和时间金字塔匹配进行分类”，在IEEE第17届国际通信技术大会上（ICCT）]可以从中下载
兼容性
该代码使用Windows
10和Matlab
2012进行了测试。
抽象的
最近，单词袋（BOW）算法提供了有效的功能并提高了ECG分类系统的准确性。
但是，BOW算法有两个缺点：（1）。
量化误差大，重建性能差。
（2）。
它会丢失心跳的时间信息，并可能为不同类型的心跳提供令人困惑的功能。
此外，ECG分类系统可用于对心血管患者进行长时间监视和分析，同时会产生大量数据，因此我们迫切需要一种有效的压缩算法。
鉴于上述问题，我们使用小波特征构造稀疏字典，从而将量化误差降至最低。
为了降低算法的复杂性并适应大规模的心跳操作，我们将在线词典学习与特征符号算法结合起来以更新词典和系数。
系数矩阵用于表示心电图搏动，大大减少了内存消耗，同时解决了定量误差的问题。
最后，我们构造金字塔以匹配每个ECG搏动的系数。
因此，我们通过时间随机池获得包含节拍时间信息的特征。
2022-10-24 19:07:50
155KB
1
博弈论模型的源代码，个人网上找到的，分享给大家，还可以，有需要的可以下载
2022-10-24 17:12:41
31KB
1
下采样matlab代码ARA工具
它有什么作用？
这是MATLAB函数的集合，用于处理鼠标全脑成像数据和相关的“稀疏”点数据，例如细胞位置，跟踪的神经突树或批量注入的跟踪投影。
该软件包提供了将这些稀疏数据与艾伦参考地图集（ARA）相关联的功能：
将全分辨率大脑体积下采样到ARA体素大小。
将稀疏的相关数据降采样为ARA体素大小，然后将这些数据导出到一个csv文件中。
将样本大脑和稀疏数据注册到ARA：样本->
ARA和ARA->样本转换。
确定与每个稀疏点相关的ARA脑区域。
从参考地图集中提取可用于绘制的区域轮廓。
是给谁用的？
ARA
Tools的编写考虑了我们的数据。
在某些地方，可能期望使用来缝制原始数据，因此您可能需要调整我们的代码以适合自己的工作。
安装
在Git客户端（如或）中克隆存储库。
您将需要下面列出的部分或全部依赖项。
您需要哪些取决于您在做什么。
例如，您不需要注册资料即可绘制单元格。
您将需要一份MHD格式的Allen
Atlas和模板大脑的副本。
其中一个包含在上。
将code目录的内容添加到您的MATLAB路径中。
正确设置ara_tools（请参阅参考
2022-10-23 22:00:11
119KB
1
matlab代码循环运行
Realtime_Multi-Person_Pose_Estimation
训练
git
clone
https://github.com/ZheC/Realtime_Multi-Person_Pose_Estimation.git;
cd
training
下载，解压后test2014,test2015,train2014,val2014放入(mkdir创建)dataset/COCO/images/
,两个json文件放入(mkdir创建）
dataset/COCO/annotations/,
git
clone
https://github.com/cocodataset/cocoapi.git
,
放入（mkdir创建）dataset/COCO/coco/中。
安装matlab
，在终端输入matlab启动matlab。
在matlab软件中运行getANNO.m
文件，把标注文件格式由json
转换成.mat
格式，会存在dataset/COCO/mat/。
在matlab中运行genCOCOMask.m
，获得未标注的人的图像的mask，
可以把程序
2022-10-23 21:45:57
7KB
1