波峰检测，显示波形图中的峰值，并且记录下来

快速在matlab中寻找信号的峰值及其位置、相对高度。

使用超像素对图像作预处理，用密度峰值聚类进行图像分割

基于密度峰值的聚类算法全称为基于快速搜索和发现密度峰值的聚类算法(clustering by fast search and find of density peaks, DPC)。它是2014年在Science上提出的聚类算法，该算法能够自动地发现簇中心，实现任意形状数据的高效聚类。 该算法基于两个基本假设：1）簇中心（密度峰值点）的局部密度大于围绕它的邻居的局部密度；2）不同簇中心之间的距离相对较远。为了找到同时满足这两个条件的簇中心，该算法引入了局部密度的定义。

基于密度峰值的聚类算法，matlab官方程序。

周围计算matlab代码基于自适应密度的无监督高光谱遥感图像聚类 这个 repo 包含我对我们的论文“基于自适应密度的无监督高光谱遥感图像聚类”的实现。 执行 这些代码最初来自于 Science 2014 的“Clustering by fast search and find of density peaks”。我大量修改了 matlab 实现以加快和修改基于我们论文的参数设置和算法框架。 引文 如果您发现我们的工作对您的研究有用，请考虑引用： @article{xie2018unsupervised, title={Unsupervised hyperspectral remote sensing image clustering based on adaptive density}, author={Xie, Huan and Zhao, Ang and Huang, Shengyu and Han, Jie and Liu, Sicong and Xu, Xiong and Luo, Xin and Pan, Haiyan and Du, Qian and Tong, Xi

基于密度峰值的快速聚类算法在matlab中的实现

被定义为 ： PSNR(x,y) = 10*log10( max(max(x),max(y))^2 / |xy|^2 )。

本示例开发并模拟了一个反馈控制器，该控制器调节由高频喷气呼吸机产生的峰值压力。 高频通气是一种基于大大超过正常呼吸频率的呼吸频率的机械通气。 一个常见的应用是治疗婴儿的肺损伤。 该模型由可用于指定机械通气参数的仪表板、峰值压力控制器和模拟机械呼吸机和患者肺部的设备组成。

有时重要的是能够估计样本之间的采样连续函数的峰值。 这称为子样本峰值插值，用于雷达、延迟估计和通信。 通常，将模型拟合到采样数据，然后找到模型的最大值。 我使用的两个模型是抛物线和高斯曲线。 两者都有三个参数，并且可以精确地拟合三个样本（即使样本不是均匀分布的），并且作为奖励，存在参数的封闭形式解决方案。 这个包演示了这个程序，包括两个例子。 一个演示了如何找到具有不均匀间隔样本的函数的峰值。 另一个显示了子样本精度的延迟估计示例。