通过曲线拟合方法从风速时程估计湍流积分长度尺度。

场线环路matlab代码刘维尔-冯-诺依曼-Matlab 由 Marcin Konowalczyk 和 Gabriel Moise 撰写。 . 牛津大学； 2017年 此脚本通过密度矩阵的传播执行具有代表性的刘维尔·冯·诺依曼模拟。 用于模拟的量子力学系统由三个自旋组成：电子 (A,B) 和原子核 (C)。 只有一个电子通过hfc指定的超精细耦合耦合到原子核 (AC)。 该系统还受到由B0指定的外部磁场的影响。 计算针对T指定的时间点运行。 该代码旨在用于了解自旋化学的基础知识，而不是用作模拟工具。 它被大量评论。 要使用它，应该逐行阅读以了解它的作用。

文章软件： 曼努埃尔·弗里德里希（Manuel Friedrich），马丁·克鲁兹克（MartinKružík）和扬·瓦尔德曼（Jan Valdman）-vonKármán粘弹性板的数值逼近，离散和连续动力系统S系列（正在审查中）。 要运行代码，请在 MATLAB 窗口中键入“start_optimize”。 稍后将添加更多详细信息。

“CramervonMisesPVal_SimpleH0”函数通过蒙特卡洛模拟估算接受简单零假设的 p 值：“在样本上估计具有特定参数的 CDF”。 “CramervonMisesPVal_SimpleH0”函数基于 Cramer-von Mises gof 测试，当样本的长度对于 Chi2gof 来说太短（比如 < 50）时，它是 ChiSquare gof 测试的一个很好的替代方案。 Cramer-von Mises 检验对整个 X 范围施加相同的权重（与 Anderson-Darling 检验对分布尾部施加更多权重不同）。

Cramer-von Mises 基于 Csörgo & Faraway (1996) 的精确和渐近分布测试单个样本的拟合优度。

von Mises-Fisher 分布的混合 (movMF) movMF 是 D 维球面数据的分布模型。 movMF 类似于高斯分布，但在球面空间中。 此代码基于A. Banerjee 的对一文。 安装 获取并编译（你需要提升）： git clone https://github.com/mrouvier/movMF cd movMF make 生成随机数据： python data/generate_data.py > data/vec 或者 make generate_date 程序使用 训练统计混合模型： ./bin/movmf_train --nb_mixture 128 --nb_iteration_em 10 --train data/vec --save mixture.txt 其中nb_mixture是混合数， nb_iteration_em是期望最大化（

这受到来自 matlab 统计工具箱的 kstest2 的启发。 适用于中到大样本量，查看代码中的参考。

给定图像的局部 Rényi 熵在四个等距方向上计算，并用于确定图像熵的 von Mises 分布参数。 von Mises 分布的浓度参数 κ 及其适应度参数 φ 似乎适合定义某些特定图像失真（例如高斯模糊或加性高斯噪声）中的图像质量评估度量。 可以在S. Gabarda和G.Cristóbal的“通过von Mises分布进行的无参考图像质量评估”中找到详细信息。 社会。 是。 A，卷。 29, No. 10 / 2012 年 10 月。/

Modern Computer Algebra - Von Zur Gathen, Gerhard.djvu, 剑桥出版，1999年第一版

以一阶波动方程为对象，构造一个与该偏微分方程相容的差分格式（最多可在一个时间层上使用5个空间点的）；使用Von Neumann分析法，参考相关文献编写程序，用数值计算方法分析你构造的差分方程的稳定性，最终获得一个稳定的差分格式。