正确的视盘(OD)定位和分割是糖尿病视网膜病变自动筛选系统中的两个主要步骤.鉴于此,提出一种基于显著性目标检测和改进局部高斯分布拟合(LGDF)模型的视神经盘分割方法.该方法主要包含两个阶段:第一阶段,将显著性检测技术应用到增强的视网膜图像中实现视盘的自动定位;第二阶段,通过增加椭圆约束信息来改进局部高斯分布拟合(LGDF)模型分割视盘边界.使用公开数据库Diaretdbq对所提出方法的性能进行测试,并与其他先进的方法进行对比,结果验证了所提出方法的优越性和有效性.

MATLAB拟合出指定数据的正态分布函数和对数正态分布函数

威布尔铂区matlab代码预测材料流模型 用于预测产品未来销售和废物流的 Matlab 代码 这两种模型处理两种不同类别的产品： 成熟产品模型 - 适用于具有丰富历史数据的产品。 新兴产品模型 - 适用于采用数据有限的产品。 物料流模型以单位和质量 (kg) 计算产品流（流入或销售，以及废物流）。 废物流量的计算方法是将年销售额乘以产品寿命概率。 寿命分布：假设产品的寿命概率遵循威布尔分布函数，根据用户提供的参数生成。 给定寿命范围的概率是使用 MATLAB 函数生成的，用于 Weibull 的累积分布函数，给出为 P = cdf ('Weibull', X, a, b) 其中 X 是寿命范围（最小到最大寿命）乘积），计算概率，a是形状参数，b是尺度参数。 模型采用寿命的最小值、最大值、平均值和标准偏差，作为输入使用 rood2d 函数生成 Weibull cdf。 销售分布：假设销售分布遵循具有衰减的逻辑曲线。 该模型根据用户提供的输入生成产品销售的逻辑曲线。 成熟的产品模型以增长率、sigmoid中点、销售高峰、衰减率和衰减中点等所有逻辑参数作为输入生成逻辑销售曲线，新兴产品模型仅

Rice/Rician PDF 的函数：汇总统计（均值和方差）、生成随机样本和简单的矩匹配以将分布拟合到数据。 类似于 MATLAB 统计工具箱中的 normpdf、normstat、normrnd 和 normfit，但适用于 Rice 分布，这在通信和磁共振成像中很有用。 Ricepdf - Rice/Rician 概率密度函数（pdf）。 Ricestat - Rice/Rician 概率分布的均值和方差。 Ricernd - 来自 Rice/Rician 概率分布的随机样本。 Ricefit - 从数据中估计 Rice/Rician 分布的参数。 Ricedemo - Rice/Rician 分发演示.

关于IPIX雷达数据读取（cdf文件读取）和处理的相关程序，适用于matlab2010及更新的matlab版本，压缩文件里面有较详细程序说明。同时，本程序还涉及海杂波的分布拟合和观测。

基于局部高斯分布拟合能量的主动轮廓模型

MATLAB用拟合出的代码绘图功率定律分配配件 这是幂律分布拟合器的python实现。 此处的代码最初托管于此，但已被移动并重新打包以使setup.py更加干净。 另请参见，具有其他铃声的相同算法的替代实现。 安装 我试图使setup.py文件正常工作，但是它包含一些hacks，因此，如果您遇到麻烦，请在以下位置报告： git clone git@github.com:keflavich/plfit.git cd plfit python setup.py install 如果python setup.py install无法正常工作，您可以尝试以下操作： 要安装cython函数，请运行： python setup.py build_ext --inplace 要安装fortran函数： cd plfit/plfit/ f2py -c fplfit.f -m fplfit --fcompiler=gfortran 描述 亚伦·克劳塞特（Aaron Clauset）等。 解决使功率定律适合其论文中和论文中的分布的问题。 我创建了他们代码的python实现，因为我没有matlab或R，并且

根据最大似然拟合数据 x 的分布。 数据可以是左和/或右和/或区间删失。 支持以下发行版： 1.正常（normfitc） 2. 对数正态 (lognfitc) 3. 物流（logistfitc） 4.对数物流（loglogistfitc） 5.极值（evfitc） 6.威布尔（wblfitc） 7.指数（expfitc） 8.伽玛（gamfitc） 9.瑞利（raylfitc） 输入参数： x：数据的两列矩阵。 例如，（对于支持实线的发行版）： -Inf 5.0000--> 左删失7.0000 Inf--> 右删失5.0000 9.0000--> 区间删失8.0000 8.0000->准确观察到 也就是说，如果完全观察到所有数据，则两列必须相同。 另请参阅“示例”文件以获取说明。 如果要选择一个带有积极支持的分布，那么上面的例子就是： 0 5.0000->左检查7.0000

函数 [pdffit,offset,A,B,resnorm,h] = distributionfit(data,distribution,nbins) 目的 jdc 修订版。 06-jun-05 将三种概率分布（正态、对数正态、威布尔）之一拟合到输入数据向量。 如果将分布指定为“最佳”，则会自动选择最适合数据的分布。 输入如果 nargin==1，则提示“分布”并交互输入 数据 - nx 1 或 1 xn 输入数据向量分布 - 适合“数据”的概率分布。 可以是 'normal'、'lognormal'、'weibull' 或 'best' ... 默认值：'best' nbins - 条形图箱的数量 ..................... 默认值：sqrt(length(data)) ％输出pdffit - 拟合概率密度函数 - nx 2 矩阵，第 1 列是 x 值，第 2 列

基于局部灰度聚类的高斯分布拟合模型.pdf