大数据-算法-非线性高阶微分方程及奇异脉冲微分方程边值问题的正解.pdf

提出一种高阶直觉模糊时间序列预测模型。模型首先应用模糊聚类算法实现论域的非等分划分；然后，针对直觉模糊时间序列的数据特性，提出一种更具客观性的直觉模糊集隶属度和非隶属度函数的确定方法；最后，利用直觉模糊多维取式推理建立高阶模型的预测规则，进行预测。在Alabama大学入学人数和北京市日均气温2组数据集上分别与典型方法进行对比实验，结果表明该模型有效提高了预测精度，证明了模型的有效性和优越性。

大数据-算法-非耦合弱耦合正倒向随机微分方程的高阶数值方法及误差估计.pdf

matlab代码影响小波块阈值去噪 该存储库包含MATLAB脚本和示例地震数据，用于应用以下算法中提出的去噪算法： Mousavi SM, and CA Langston (2016). Hybrid Seismic denoising Using Higher Order Statistics and Improved Wavelet Block Thresholding, Bulletin of the Seismological Society of America,106 (4), 1380-1393,doi:10.1785/0120150345 BibTeX： @article{mousavi2016hybrid, title={Hybrid seismic denoising using higher-order statistics and improved wavelet block thresholding}, author={Mousavi, S Mostafa and Langston, Charles A}, journal={Bulletin of the S

给定 3D 图像，即一堆 2D 图像或电影的帧，该算法对中间图像进行插值。 插值是通过配准两个后续图像的像素和全局（在所有后续图像对之间）样条插值配准的位移场来实现的。 沿着每个像素的样条轨迹，强度也被样条插值。 如果后续图像差别不大，则该方法效果最佳。 例如，该算法可用于将具有各向异性分辨率的 3D 图像重新采样为各向同性分辨率。 如果您想将此算法用于出版物，请考虑引用： Horváth A.、Pezold S.、Weigel M.、Parmar K.、Cattin P. (2017) 医学图像的高阶切片插值。 于：Tsaftaris S.，Gooya A.，Frangi A.，Prince J.（eds）医学成像中的模拟和合成。 SASHIMI 2017。计算机科学讲义，第 10557 卷。Springer, Cham https://link.springer.com/chapt

高阶分解模型FM纯实现针对初学者推荐模型学习，FM实现思路于https://blog.csdn.net/weixin_50927106/article/details/124206785此篇

基于OpenCL的高阶马尔科夫随机场图像去噪的快速实现

透过多区域二元相位光瞳滤波器的高阶径向偏振光束的紧密聚焦

好用的去噪声代码matlab HOVM 用于图像处理的高阶变分模型（HOVM） 什么是HOVM HOVM包括多达8个（+1个一阶总变异模型）高阶变分模型，用于图像去噪。 此外，它还包括边缘加权的二阶Vese-Osher图像分解模型（如SOVO中一样）。 它是用matlab编写的，而且超级易于运行（下载脚本并直接在matlab中达到最低要求）。 所有相关的变分模型都是通过具有有限差分离散的乘数（即分裂Bregman）的快速交替方向方法实现的。 它避免了直接处理由此产生的高阶偏微分方程，这可能很难离散化求解。 分裂Bregman的主要思想是将原始问题分解为几个子问题，每个子问题都可以通过使用快速傅里叶变换（FFT），软阈值方程式等进行解析解决。因此，总体计算成本较低，并且收敛速度快。 该代码已尽可能直接地编写，因此通过参考以下相应的文献将易于理解它们。 系统要求 该代码仅使用基本的matlab内置函数，该函数应可跨多个版本的matlab（2013、2015、2017等）使用。 如何引用 如果您认为该代码或其一部分有用，请考虑引用以下相关文章，以对这些代码给予应有的重视。 通过参考[1]和[

针对传统容积卡尔曼滤波(CKF)在面对系统模型失配和状态突变滤波精度下降的问题,将强跟踪滤波器(STF)和高阶容积卡尔曼滤波(HCKF)相结合,提出一种简化高阶强跟踪容积卡尔曼滤波(RHSTCKF)算法.该算法具有比传统CKF更高的滤波精度,并且利用滤波模型的特点,简化HCKF的计算步骤,同时在HCKF中引入多重渐消因子增强算法的自适应性和应对状态突变的能力.将所提算法应用到SINS/GPS组合导航系统中进行仿真实验,结果表明,RHSTCKF可以准确估计出突变状态的真实值,能够抑制滤波器状态异常的干扰,滤波性能明显优于HCKF,能够提高组合导航系统的自适应性和定位精度.