matlab 生成模糊控制表，最大隶属度法和重心加权法，手把手教你搭建模糊控制表。

提出了一种基于低秩矩阵逼近（LRMA）和加权核范数最小化（WNNM）正则化的去噪算法，以消除磁共振图像的Rician噪声。 该技术将来自嘈杂的3D MR数据的相似的非局部立方块简单地分组到一个补丁矩阵中，每个块按字典顺序矢量化为一列，计算该矩阵的奇异值分解（SVD），然后是LRMA的闭式解通过用不同的阈值硬阈值不同的奇异值来实现。 去噪块是从低秩矩阵的此估计中获得的，整个无噪声MR数据的最终估计是通过汇总彼此重叠的所有去噪示例块来建立的。 为了进一步提高WNNM算法的去噪性能，我们首先在两个迭代的正则化框架中实现了上述去噪过程，然后利用基于单像素补丁的简单非局部均值（NLM）滤波器来减少WNNM算法的去噪强度。均匀面积。 所提出的降噪算法与相关的最新技术进行了比较，并在合成和真实3D MR数据上产生了非常有竞争力的结果。

1. 对通信半径进行分级，利用多级半径修正信标节点到相邻节点的跳数信息； 2. 根据信标节点与未知节点的距离，对每个信标节点进行平均跳距加权处理； 3. 改进后的定位算法有效提高了传感器节点的定位精度。

C++实现克里金插值，有实现界面，包括反距离加权插值、最邻近点插值方法. 包含完整的工程文件，直接点击“*.exe”文件即可运行，可看到源代码以及具体的算法内容，内附有简单的示例数据，可以学习也可以直接使用。 在实现克里金插值的基础上增加了三维展示插值结果，支持导出生成的三维模型，格式为“*.osg”，插值结果经过检验，精度较高。 C++实现克里金插值，有实现界面，包括反距离加权插值、最邻近点插值方法.C++实现克里金插值，有实现界面，包括反距离加权插值、最邻近点插值方法.C++实现克里金插值，有实现界面，包括反距离加权插值、最邻近点插值方法.C++实现克里金插值，有实现界面，包括反距离加权插值、最邻近点插值方法.

使用加权全最小二乘算法解决了将直线拟合到两个坐标均具有不确定性的数据的问题。 参数从通常的斜率/y 轴相交对转换为斜率角度和到原点的距离。 这样做的优点是 a) 确保全局收敛 b) 即使对于垂直线也能找到解决方案。 确定完整的不确定性矩阵（即拟合参数的方差和协方差）。 对于非垂直直线，还给出了通常的参数（斜率/y 轴相交）及其不确定性矩阵。 该算法对于精确测量特别有用，在这种测量中必须了解完整的不确定度矩阵。 该算法由德国 Physikalisch-Technische Bundesanstalt Braunschweig 的 M.Krystek 和 M.Anton 在 Measurement Science and Technology 18 (2007) pp3438-3442 中发表。 名为 pearson_york_tetdata.m 的附加脚本包含该问题的标准统计测试数据集（参见

摘要：研究了分数次积分算子Il与加权Lipschitz函数b生成的交换子[b,Il]在加权Herz空间上的有界性质.证明了当b∈Lip]是从(µ,µ)到)的有界

这是一个包装函数，用于解决以下形式的优化问题（使用 FMINCON）： 最小wrt X CostFunc(X) = beta*(W_ls*F(X)) + (1 - beta)*(max(W_mm*F(X))) 受制于： A*X <= B，Aeq*X = Beq（线性约束） C(X) <= 0，Ceq(X) = 0（非线性约束） LB <= X <= UB（边界）

相位差分算法是正弦频率估计中的一种重要方法。首先详细介绍了加权相位差分测频算法的原理,应用仿真方法分析了不同数据长度、不同信噪比情况下的测频性能,并与其他工程常用的测频算法进行了比较,然后对该算法在工程应用中的改进方法和降低信噪比检测阈值的方法进行了论述,最后给出了基于FPGA的工程实现框图。

针对基于多源数据融合的多用户决策问题，建立了多源异构数据融合模型，研究了基于三角模糊数的异构数据统一量化表示方法，采用有序加权平均算子融入决策者的偏好，设计了一种支持多用户决策的多源异构数据融合算法。实际应用表明，本文设计的算法能解决多源异构数据在结构和语义上的模糊性、差异性和异构性等问题，通过在数据融合过程中考虑决策者偏好，提高了多用户决策结果的可靠度。

DMP-轻水堆 这是用Matlab编码的Dynamic Movement Primitives实现。 对于回归，使用局部加权回归。 在人体动作识别方面，我取得了很好的成绩。 蓝色是原始数据，红色是来自训练有40位高斯的dmp的重放。