这是论文《Gaussian Pyramid Based Multiscale Feature Fusion for Hyperspectral Image Classification, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(9), 3312-3324》的代码，更多详情可在纸上找到。 如果你使用这个演示，请引用这篇论文。 要运行此演示，您应该先下载 libsvm-3.20。 libsvm-3.20可从https://www.csie.ntu.edu.tw/~cjlin/libsvm/获得

这是关于多尺度小波方法的电子书，高清，最新版本，经典著作，英文版

Multiscale Transforms with Application to Image Processing 英文无水印原版pdf pdf所有页面使用FoxitReader、PDF-XChangeViewer、SumatraPDF和Firefox测试都可以打开 本资源转载自网络，如有侵权，请联系上传者或csdn删除 查看此书详细信息请在美国亚马逊官网搜索此书

颜永红老师团队的声纹识别论文呢

信号稀疏分解MATLAB代码多尺度采样补充 该存储库包含本文随附的Matlab代码 Krithika Manohar，Eurika Kaiser，Steven L.Brunton和J.Nathan Kutz。 “针对多尺度动力学的优化采样”。 SIAM多尺度建模和仿真（2019）。 出现。 有关本文的预印本，请参见。 这项工作开发了用于在空间域（即传感器放置）中进行最佳采样的方法，以发现和估计在多个时间尺度上运行的动力学。 主要工具是使用多分辨率动态模式分解（mrDMD）和用于传感器放置的矩阵QR枢轴进行降维。 在此代码中，我们提供以下内容： 计算给定数据集的mrDMD和最佳传感器位置的功能。 生成本文中图形的脚本。 基于NOAA海面温度（SST）数据的多尺度采样示例以及多尺度人工视频示例。 src /中的mrDMD方法和子例程改编自先前的工作 J. Nathan Kutz，Steven L. Brunton，Bingni W. Brunton和Joshua L. Proctor。 动态模式分解：复杂系统的数据驱动建模。 卷149. SIAM（2016年）。 外部依赖 Matlab信号

kcf matlab代码多尺度_KCF 多尺度 KCF 跟踪器（matlab 代码）

多尺度问题的数值方法及分析；适合工程及科研人员做参考书籍

生物材料的多尺度力学

％计算多尺度置换熵（MPE） % 输入：X：时间序列； % m：排列熵的顺序% t：置换熵的延迟时间， % Scale：比例因子 ％ 输出： % MPE：多尺度置换熵 %Ref: G Ouyang, J Li, X Liu, X Li, Dynamic Characteristics of Absence EEG Recordings with Multiscale Permutation %% Entropy Analysis, Epilepsy Research, doi: 10.1016/j.epplepsyres.2012.11.003 % G Ouyang, C Dang, X Li, 使用多尺度排列熵对 EEG 数据进行复杂性分析，% % 认知神经动力学进展 (II)，2011，第 741-745 页

时间序列预测代码matlab 多尺度时间序列预测 主要目标是构建一个预测模型，以同时预测多尺度时间序列集的输出。 输入数据是一组时间序列。 每个时间序列都包含某些信号的记录，并具有自己的观测值数量。 任务是预测给定时间范围内信号的未来值。 向前的问题被重新表述为多元回归问题。 输入时间序列包括一个设计矩阵，该矩阵具有与独立变量相对应的一组列和与目标变量相对应的一组列。 自变量也可以包括特征转换。 有关预测问题和建议方法的更多信息，请参见“ doc”。 它包含该项目的纸质草案，演示文稿和报告。 目录“ code”和“ python-code”包含该项目的matlab和python代码。