该代码执行 Spearman 的 rho 测试。 它针对趋势的替代测试向量 V 中趋势缺失的零假设。 测试结果返回 Td = 1 表示正趋势 Td = -1 表示负趋势，即在 alpha 显着性水平拒绝原假设。 Td = 0 表示未能在 alpha 显着性水平上拒绝原假设。

matlab图片叠加的代码NPBayes_fMRI 描述 这是一个用户友好的Matlab GUI，它实现了一个统一的，概率统一的非参数贝叶斯框架，用于分析来自多对象实验的与任务相关的fMRI数据。 该建模方法基于时空线性回归模型，该模型通过先于空间通知的多对象非参数变量选择来具体说明神经元活动中对象间的异质性。 该方法的一个特征是，它可以将受试者聚集到以相似的大脑React为特征的亚组中，同时生成组级和受试者级激活图。 方法和软件在以下手稿中进行了描述： Zhang，L.，Guindani，M.，Versace，F.，Engelmann，JM和Vannucci，M.（2016）。 多主题fMRI数据的时空非参数贝叶斯模型。 应用统计年鉴，10（2），638-666。 Kook，JH，Guindani，M.，Zhang，L.和Vannucci，M.（2018）。 NPBayes-fMRI：单对象和多对象fMRI数据的非参数贝叶斯通用线性模型。 生物科学统计学。 该代码已于17年10月31日向公众发布。 内容 该存储库包含以下文件夹： 示例文件夹包含Matlab数据集和自动解剖标记（AAL

讨论一类非参数不确定系统的约束迭代学习控制问题.构造二次分式型障碍李雅普诺夫函数(Barrier Lyapunov functions),用于学习控制器设计.控制方案采用鲁棒方法与学习机制相结合的手段处理非参数不确定性,鲁棒方法对处理后的不确定性的界予以补偿,学习机制对处理后的不确定性进行估计.可实现系统状态在整个作业区间上完全跟踪参考轨迹,并使得系统误差的二次型在迭代过程中囿于预设的界内,进而在运行过程中实现状态约束.提出的迭代学习算法包括部分限幅与完全限幅学习算法.采用这种BLF约束控制系统有利于提高控制系统中设备安全性.仿真结果用于验证所提出控制方法的有效性.

k-means聚类算法及matlab代码贝叶斯非参数小方差渐近聚类 这是贝叶斯非参数小方差渐近聚类算法库：DP均值，动态均值，DP-vMF均值，DDP-vMF均值。 出于比较原因，该库还实现了k均值和球形k均值。 该库带有一个可执行文件，该可执行文件允许使用DP-vMF-means，DP-means，球形k-means和k-means进行批量聚类。 示出了算法的简单性。 有关使用DDP-vMF-means的示例，请参考，该文档依赖于此程序包的dpMMlowVar库使用DDP-vMF-means从Kinect RGB-D流执行实时方向分割。 如果您使用DP-vMF手段或DDP-vMF手段，请引用： Julian Straub, Trevor Campbell, Jonathan P. How, John W. Fisher III. "Small-Variance Nonparametric Clustering on the Hypersphere", In CVPR, 2015. 如果您使用动态均值，请引用： T. Campbell, M. Liu, B. Kulis, J. How

Yee Whye Teh的非参数贝叶斯混合模型代码 此存储库的主分支包含Yee Whye Teh的代码和 ，我从2015年9月18日从下载该代码。 我将其未经修改地复制到此处，以实现可访问性。 非参数贝叶斯混合模型-版本1自述文件 This code base is for people interested in trying out various nonparametric Bayesian models on some simple data sets. It is implemented in MATLAB so by definition cannot be very efficient. This is because it is for people to muck around with and experiment. That said, the code is rea

matlab非参数代码女妖 此存储库包含 BANSHEE - 用于非参数贝叶斯网络的 MATLAB 工具箱。 代码是支持SoftwareX论文的原始版本的更新： 贝叶斯网络 (BN) 是用于表示复杂依赖结构的概率图形模型。 它们在科学和工程中有许多应用。 这个工具箱实现了一个特别强大的变体非参数 BN。 该软件允许量化 BN，验证模型的基本假设，可视化网络及其相应的秩相关矩阵，最后根据现有或新证据对 BN 进行推理。 该工具箱还包括一些发表在近期科学文献中的应用 BN 模型。 src/ 目录包含 BANSHEE.mltbx 文件，其中包含 MATLAB 工具箱的安装程序。 docs/ 目录包含工具箱的快速入门指南。 使用工具箱前请查阅指南。 此版本 (1.2) 与支持 SoftwareX 出版物 (v1.1) 的已发布版本相比具有以下更改： 添加了两个新的现实生活模型，用于预测住宅和商业部门的洪水损失； 更新了快速入门指南； 更正“predict_coastal_erosion.m”中的描述； 删除三个 .mat 文件，其中包含其他 .mat 文件中存在的数据； 更新对 Softwar

构造了基于小波系数的多变点检测算法,该算法可应用于非参数回归模型多变点检测.渚河水文时间序列实例分析结果表明,检测的结果与实际情况相符合.该方法不需要对时间序列做任何参数化的假定便能方便地检测出变点的位置,同时还能够给出变点个数的估计.

概率密度函数非参数估计matlab代码这是JAMS的Python软件包。 JAMS是一个通用的Python软件包，提供了不同类别的其他功能，例如读取不同的文件格式，朱利安日期例程或气象功能。 它有几个提供常数的子包，可与Eddy协方差数据和诸如EddySoft之类的软件一起使用，提供特殊功能或与scipy.optimize.fmin或scipy.optimize.curvefit一起使用的目标函数，等等。 由Matthias Cuntz创建于2009年6月在Helmholtz环境研究中心-UFZ，Permoserstr的计算水系统系工作。 15，04318莱比锡，德国 它是根据MIT许可证分发的（请参阅LICENSE文件和下面的文件）。 版权所有（c）2012-2019 Matthias Cuntz，Juliane Mai，Stephan Thober，Arndt Piayda 联系Matthias Cuntz-mc（at）macu（dot）de 安装 该库由git存储库维护，位于： https://github.com/mcuntz/jams_python/ 要使用它，请签出git仓

matlab非参数代码ASMC 论文“一种自适应滑模控制系统及其在实时混合仿真中的应用”的Matlab代码 案例 1：使用时变参数控制被控对象 运行 main_fun.m 案例 2：具有非参数模型错误的控制工厂 Run case2.m 案例 3 RTHS 基准测试 运行 Actuator_id.m 以绘制控制设备的原始模型和简化模型的频率响应。 运行 main_ANSMC.m 以获取控制系统的评估标准：NSMC 和 ASMC。 运行 main_PI.m 以获取控制系统的评估标准：PI。 运行 Elcentro_results.m 以绘制 El Centro 地震下的响应。 案例 3 中的注意事项： 滑模控制器需要指定物理子结构的位移、速度和加速度（均相对于地面）。 然而，基准问题的原始发布代码只给出了指定的位移。 在 F1_input_file.m 和 vRTHS_MDOF_SimRT.slx 中添加/修改并标记了从数值子结构获得指定速度和加速度的附加操作。 添加了饱和块以确保执行器力不超过 8900 N。 如果您有任何问题，请联系

针对控制方向未知的、存在周期性非参数不确定型的一类非线性系统, 给出零误差跟踪的重复控制方法. 引入Nussbaum函数设计自适应重复控制器, 参数估计修正律采用完全饱和形式, 将参数估计囿于预先给定的范围内. 分析表明, 闭环系统中所有信号本身有界, 且跟踪误差本身趋于零. 数值仿真结果验证了算法的有效性.