j用Matlab的Fuzzy工具箱实现模糊控制-Fuzzy_Control.rar [url=http://blog.daviesliu.net/article/entry20050328-153616]用 Matlab 的 Fuzzy 工具箱实现模糊控制 [/url] 用 Matlab 中的 Fuzzy 工具箱做一个简单的模糊控制，流程如下： 1、创建一个 FIS 对象， a = newfis一般只用提供第一个参数即可，后面均用默认值。 2、增加模糊语言变量 a = addvar模糊变量有两类：input 和 output。在每增加模糊变量，都会按顺序分配一个 index，后面要通过该 index 来使用该变量。 3、增加模糊语言名称，即模糊集合。 a = addmf每个模糊语言名称从属于一个模糊语言。Fuzzy 工具箱中没有找到离散模糊集合的隶属度表示方法，暂且用插值后的连续函数代替。参数 mfType 即隶属度函数，它可以是 Gaussmf、trimf、trapmf等，也可以是自定义的函数。每一个语言名称也会有一个 index，按加入的先后顺序得到，从 1 开始。 4、增加控制规则，即模糊推理的规则。 a = addrule 其中 ruleList 是一个矩阵，每一行为一条规则，他们之间是 ALSO 的关系。 假定该 FIS 有 N 个输入和 M 个输出，则每行有 N M 2 个元素，前 N 个数分别表示 N 个输入变量的某一个语言名称的 index，没有的话用 0 表示，后面的 M 个数也类似，最后两个分别表示该条规则的权重和个条件的关系，1 表示 AND，2 表示 OR。例如，当“输入1” 为“名称1” 和 “输入2” 为“名称3” 时，输出为 “ 输出1” 的“状态2”，则写为：[1 3 2 1 1] 5、给定输入，得到输出，即进行模糊推理。 output = evalfis其中 fismat 为前面建立的那个 FIS 对象。一个完整的例子如下： matlab程序在附件里

CellChat：单元间通信的推理和分析 重要更新！！ 2021年1月5日（版本0.5.0） CellChat对象的微小变化（请通过updateCellChat()更新以前计算的CellChat对象） 功能和教程的增强文档（使用help()来检查文档，例如help(CellChat) ） 多个数据集进行比较分析的新功能 支持从Seurat V3或SingleCellExperiment对象创建新的CellChat对象 基于网络的“ CellChat Explorer” 我们构建了一个用户友好的基于Web的“ ”，其中包含两个主要组件： 配体-受体相互作用浏览器，可轻松探索我们新颖的配体-受体相互作用数据库，全面概述包括多聚体复合物和辅因子在内的已知分子组成。 我们的数据库CellChatDB是一个人工整理的数据库，其中包含人类和小鼠中受文献支持的配体-受体相互作用。 Cel

matlab标定工具箱，用于标定摄像机内参数、外参数，很方便

matlab系统聚类代码LDS工具箱：用于线性动力系统（LDS）建模的Matlab工具箱 作者： 概述 线性动力系统（LDS）是在各种学科中对时空数据进行建模的基本工具。 尽管LDS具有丰富的建模功能，但分析LDS并非没有困难，这主要是因为LDS不符合欧几里得几何学，因此传统的学习技术无法直接应用。 具体而言，LDS应用参数方程式对时空数据进行建模。 从输入中获悉的最佳系统参数（即系统元组（A，C））用作每个时空序列的描述符。 使用此工具箱，您可以：1）通过各种方法学习任何给定序列的稳定LDS系统元组； 2）在LDS的空间上进行聚类或稀疏编码； 3）对时空数据（例如视频和触觉序列）进行分类。 如果您在工作中使用此工具箱，请引用以下论文： @inproceedings {huang2017efficiency，title = {线性动态系统的有效优化及其在聚类和稀疏编码中的应用。}，作者= {Huang，Wenbing and Mehrtash，Harandi and Tong，Zhang and Lijie，Fan and Fuchun，Sun and Junzhou，Huang }，

为了将可学习的参数从预先训练的2D ResNet-50（ImageNet）传输到3D，我们通过三维复制了2D滤镜（重复复制它们）。 这是可能的，因为视频或3D图像可以转换为图像切片序列。 在训练过程中，我们希望3D ResNet-50学习每个帧中的模式。 该模型具有4,800万个可学习的参数。 只需调用“ resnet50TL3Dfun（）”函数。

理正破解版，大家都来试试，如果有更好的都分享下，谢谢了

matlab中rbf源代码支持向量机 在该存储库中，提供了一个MATLAB工具箱，以针对不平衡和多类型分类问题训练和测试基于支持向量机（SVM）的模型。 附加了两个分类技巧，即granularization和binary-tree以形成GBT-SVM模型。 有关该模型的详细信息，请参考我的。 工具箱的构造 文件夹中的代码和脚本可用于构建粒度SVM（GSVM）模型，该模型能够形成树结构分类器。 我在这里列出了名称和相应的注释。 方法 评论 getGranule 通过将主要类别拆分为子集或颗粒来生成平衡的数据集。 myCrossSVM 通过交叉验证和网格化训练SVM模型，内核是可选的。 myGSVM预测 使用训练有素的模型对新样品进行分类。 获取颗粒 为了获得平衡的数据集，您可以使用getGranule作为 >>> [DataGranules] = getGranule(data,label) 输出DataGranules是一个结构，形成为 数据粒度 MajIdx ：主要类别的标签 MinIdx ：次要类别的标签 GraNum ：颗粒数 MinData ：次要样本的数据和标签 MajDat

kmbox：MatlabOctave的内核方法工具箱

1、下载后解压放在matlab的toolbox工作路径下package_emd文件夹。 2、打开matlab，选择File- Set Path- Add with Subfolders-你刚才下载的工具箱（package_emd）点进去- Save- Close。 3、此时选择work下package_emd文件夹作为工作路径，即是C:\Program Files\MATLAB\R2010a\toolbox\package_emd。 4、在Command Window里面输入mex -setup回车，问是否选择已有的编译器你选y回车，再问选择哪个编译器，你可以选择C++的那个选择相应的编号（如 2）回车，然后让你核对是否选择对了编译器等等，你输入y回车。就安装成功了。

OpenCossan 是一个基于 Matlab 的工具箱，用于不确定性量化和管理。 实施的框架包括第三方软件集成（例如 ANSYS）、高效的数值算法（例如线采样）和用于高性能计算的并行化。 OpenCossan 的功能可以概括为： 不确定性量化基于仿真的可靠性分析敏感性分析元建模随机有限元分析基于可靠性的优化