最近邻分类器的MATLAB实现,能运行。

模糊神经网络matlab实现

介绍了一种用MATLAB来实现信号与系统分析的方法。实验结果表明用MATLAB实现连续系统的S域分析，可以对检测到的信号做出实时准确的分析，解决繁杂的计算过程，从而更高效的解决信号分析问题。

雷达系统用于通过在自由空间中传输电磁波来检测物体。 它们在期望的回波信号极有可能干扰其他来源的信号的环境中运行。 这些信号包括杂波和干扰信号。 干扰器是一种在雷达环境中连续发射宽带无线电信号，从而使接收器充满噪声或虚假信息的设备。 因此，总的接收信号具有三个分量，即来自目标，杂波和干扰的回波相结合，即它是三维信号。 常规信号处理技术的使用是不可取的，因为它们无法将所需的回声信号与其他分量分开，因为不知道接收信号中存在的这些分量的统计信息。 在机载监视雷达中，必须解决此问题，因为它们必须在多个干扰环境中识别和定位目标。 空时自适应技术（STAP）是空间和时间滤波的组合，可以消除干扰信号并识别慢速移动的目标。 这些技术在角域和多普勒域中对信号进行滤波，以抑制不需要的信号。 本文对时空自适应编码技术进行了理论研究，并介绍了STAP算法的MATLAB实现。 SMI，DPCA和ADPCA，以抑制接收脉冲中的杂波和干扰干扰。

作为神经网络，kohonen网络具有自组织，自动排序的功能，调节权值

源代码MATLAB，可直接运行。包括添加椒盐噪声；中值滤波；均值滤波；维纳滤波

给定 max z=cTx s.t. Ax=b x>=0... 其中A里面包含一个单位矩阵，利用单纯形法进行求解。 函数接口：[x_opt,fx_opt,iter] = Simplex_eye(A,b,c) 其中x_opt为最优解，fx_opt为最优函数值，iter为迭代次数。

介绍了遗传算法的matlab实现方式，在求函数最大值，最小值等方面有很大帮助

1.MNIST数据集简介 MNIST是在机器学习领域中的一个经典问题。该问题解决的是把28x28像素的灰度手写数字图片识别为相应的数字，其中数字的范围从0到9。 mnist_uint8.mat包含了MNIST数据集的全部数据，其中： train_x: 60000*784矩阵，60000个训练样本，每个训练样本像素值展开成了行向量。 train_y: 60000*10矩阵，60000个训练样本标签，每个样本标签中对应分类元素值为1，其余为0； test_x: 10000*784矩阵，10000个测试样本，每个训练样本像素值展开成了行向量。 test_y: 10000*10矩阵，10000个测试样本标签，每个样本标签中对应分类元素值为1，其余为0； 2. 人工神经网络简介 2.1 网络结构 一个基本的人工神经网络结构主要由以下三部分构成：输入层(x)、一个或多个隐藏层(h)、输出层(y)。 输

利用matlab编程实现对图片的旋转操作