m=length(connections);%移位寄存器的级数 %其他位等于前边的寄存器值加上连接值乘寄存器最后一位 end registers=new_reg_cont; seq(i)=registers(m);%经过一次循环寄存器输出一位得到m序列的其他位

dbn matlab代码果蝇DBN 果蝇动态贝叶斯网络（DBN）项目的MATLAB代码 介绍 能够从时空表达数据推断基因调控网络是生物学中的主要问题。 本文提出了一种新的动态贝叶斯网络方法，我们通过使用果蝇果蝇的缺口基因问题来进行基准测试，并具有现实地推断基因调控网络和产生高质量模拟的能力。 本文解决了当前与时空基因推断相关的实际问题，例如计算时间和参数脆弱性，同时获得了与我们的地面真实网络相似的基因调控网络和矩阵。 拟议的建模框架可在现代笔记本电脑上在10-15秒内计算出基因调控网络。 有效消除问题的计算障碍，并允许将来处理具有更大基因数量的基因调控网络。 除了产生基因调控矩阵，我们的方法还产生了空缺基因问题的基因激活水平的高质量模拟。 此外，与许多竞争性问题的表述不同，所提出的模型本质上是概率性的，因此可以进行统计推断。 最后，使用贝叶斯统计，我们对拟议的基因调控网络的拓扑结构和调控权重进行了稳健性测试。

信号处理+线性扫频信号生成Matlab代码

数值分析方法-牛顿迭代法MATLAB代码

矩阵计算/矩阵论-givens分解MATLAB代码

十进制小数转二进制matlab代码图像隐写术 隐写术 它是一种将数字数据（例如音频/图像/视频）隐藏在普通的简单非保密文件（例如音频/图像/视频）中的技术。 详细了解隐写术。 关于该项目 这是使用LSB （最低有效位）技术进行图像隐写术的简单实现。 使用MATLAB实现。 该项目包括两个实现： ：将一个图像隐藏在另一个图像中。 ：在图像中隐藏纯文本。 目录 img2img 斯蒂格诺 解密 前景色.png message.png txt2img 斯蒂格诺 解密 b2d.m d2b.m get_char.m put_to_img.m cover.png 文件描述 img2img / ：运行此文件可将图像隐藏到另一个文件中。 确保前景和背景图像相同的尺寸（foreground.png和message.png增加供参考）。 该文件生成一个新的图像文件作为输出。 ：运行此文件以从stegano.m生成的图像中获取隐藏图像。 txt2img / ：运行此文件以将纯文本隐藏到图像中（添加cover.png以供参考）。 该文件生成一个新的图像文件作为输出。 ：运行此文件以从stegano.m生成的图像

层次分析matlab代码基于分层分割的协同显着检测 1此代码适用于论文：** [1] Z. Liu，W。Zou，L。Li，L。Shen和O. Le Meur，“基于分层分段的共显着性检测”，IEEE信号处理。 Lett。，第一卷21号1，第88-92页，2014年1月。只能用于非商业目的。 如果您使用我们的代码，请引用论文[1]。 2此代码需要[2] P. Arbelaez，M。Maire，C。Fowlkes，J。Malik，“轮廓检测和分层图像分割”，IEEE模式分析和机器智能交易，第1卷。 33，不。 ，第5卷，第898-916页，2011年5月。[2]的源代码包含在“ lib”文件夹中，也可以从以下位置下载 3运行代码我们已经在ubuntu 12.04下测试了此代码。 在MATLAB中运行Demo.m，您将看到一个示例。

Matlab代码金字塔PyTorch LapSRN CVPR2017论文在PyTorch中的实现：“用于快速而准确的超高分辨率的深拉普拉斯金字塔网络”（） 用法 训练 usage: main.py [-h] [--batchSize BATCHSIZE] [--nEpochs NEPOCHS] [--lr LR] [--step STEP] [--cuda] [--resume RESUME] [--start-epoch START_EPOCH] [--threads THREADS] [--momentum MOMENTUM] [--weight-decay WEIGHT_DECAY] [--pretrained PRETRAINED] PyTorch LapSRN optional arguments: -h, --help show this help message and exit --batchSize BATCHSIZE training batch size --nEpochs NEPOCHS number of epochs to train for --lr LR

文件夹内包含Armjio求步长代码以及一个函数文件、梯度函数文件和求解文件，代码注释完整，代码已公开在博客内：https://zqfeng.blog.csdn.net/article/details/117550614

均值漂移聚类matlab代码使用从卷积自动编码器中学到的功能进行无监督图像分割 通过训练深度卷积自动编码器，已经从图像中学到了一些有用的功能。 我们使用PCA进行了特征变换。 最后，采用均值漂移聚类算法以无监督的方式对图像进行分割。 EDISON分割：基于EDISON工具箱的图像分割 均值漂移马替代方案：Weizmann马数据集下均值漂移聚类的替代试验 Training BSDS500 ：BSDS 500数据集下的培训网络代码 训练马：Weizmann马数据集下的训练网络代码 可视化PCA功能：可视化PCA转换后的功能 替补：计算图像分割的BSDS测试分数 EDISON matlab接口：用于均值漂移聚类的matlab包装器