资源下载 > 一般算法
-
基于RLS算法的数据预测与MATLAB实现
递归最小二乘（RLS）算法是一种典型的数据处理方法，由著名学者高斯在1795年提出，高斯认为，根据所获得的观测数据来推断未知参数时，未知参数最可能的值是这样一个数据，即它使各项实际观测值和计算值之间的差的平方乘以度量其精度的数值以后的和为最小，这就是著名的最小二乘。递归最小二乘（RLS）算法在信号自适应滤波分析中广泛应用，递归最小二乘（RLS）算法收敛速度快，且对自相关矩阵特征值的分散性不敏感，然而其计算量交大，本章主要研究基于RLS进行数据的预测与MATLAB实现。 -
-
最小l1范数的matlab代码
最小l1范数的matlab代码。求解模型为：min lambda*|x|_1+||A*x-y||_2。其中，|x|_1表示x的1-范数，||*||_2表示2-范数。该模型在稀疏成分分析、压缩传感器等领域有广泛的用途。 -
-
GPS精密星历卫星轨道插值运算（采用切比雪夫拟合）
GPS精密星历卫星轨道插值运算（采用切比雪夫拟合）matlab程序。直接运行chebshev2.mat文件即可，结果显示在doucument2.mat文件中 -
-
-
-
用matlab求解无约束的问题
用matlab求解无约束的问题，主要有最速下降法，牛顿法，共轭梯度法，变尺度法（DFP和BFGS法），非线性最小二乘法。用matlab求解有约束的问题，主要是外惩罚函数和广义乘子法。以及一些对具体问题的分析，matlab的代码在文档里都有。 -
扩展卡尔曼滤波
卡尔曼滤波是一种高效率的递归滤波器(自回归滤波器), 它能够从一系列的不完全包含噪声的测量(英文:measurement)中，估计动态系统的状态。这种滤波方法以它的发明者鲁道夫.E.卡尔曼（Rudolf E. Kalman）命名。然而简单的卡尔曼滤波必须应用在符合高斯分布的系统中，后期的学者对其进行了多方面的改进，其中之一就是扩展卡尔曼滤波，可应用于时间非线性的动态系统 -
Fisher算法源码
应用统计方法解决模式识别问题的困难之一是维数问题，低维特征空间的分类问题一般比高维空间分类问题简单。因此，人们力图将特征空间进行降维，降维的一个基本思路是将d维特征空间投影到一条直线上，形成一维空间，这在数学上比较容易实现。问题的关键是投影之后原来线性可分的样本可能变为线性不可分。一般对于线性可分的样本，总能找到一个投影方向，使得降维后样本仍然线性可分。如何确定投影方向使得降维以后，样本不但线性可分，而且可分性更好（即不同类别的样本之间的距离尽可能远，同一类别的样本尽可能集中分布），就是Fisher线性判 -
表面法向量重建三维表面
shapeletsurf.m :通过表面法向量重建三维表面；frankotchellappa.m：用Frankot and Chellappa的算法重建可积性三维表面；grad2slanttilt.m:根据梯度值求取slant 和tilt角；slanttilt2grad.m ：根据slant 和tilt角度求三维表面的梯度。详尽的可见压缩文件中的说明 -
-
-
NSGA-Ⅱ多目标优化算法
nsga2算法优化ZDT2测试函数。收敛到Pareto最优前沿，对于从事这方面算法工作的初学者们有很大的帮助。可以借鉴学习下 -
-
-
-
在matlab中实现kalman滤波的软件仿真方法
在matlab中实现kalman滤波的软件仿真方法，程序简明易懂 -
