Matlab程式码法索 使用Standard Optimization（Faatso）进行的快速行进各向异性声发射层析成像是一种用于对非均质（弱）垂直横向各向同性介质进行组合的主动/被动声发射层析成像的软件包。 该代码包含两个主要元素：（1）使用快速行进方法的3D VTI ekonnal求解器。 （2）一种特定的逆问题求解器，它使用最小二乘拟牛顿法迭代地反演源位置和速度结构。 该代码的所有操作部分均用C ++编写，并提供了Matlab中的接口以简化结果的生成和可视化。 安装 要求和依赖性 要运行Faatso，您需要：（1）一个支持c ++ 11的c ++编译器。 （2）c ++ Boost库（可从下载），或至少是快速行进算法中使用的boost / heap库。 （3）Armadillo库（可从上下载）与Lapack一起，用于在反演算法中执行线性代数。 （4）使用Matlab（或可能的Octave，但我尚未测试过）运行包装程序和示例。 编译器应该可以访问Boost头目录的路径（通常是usr / local / boost_x_xx_x之类的路径），例如，将其添加到CPATH环境变量中即可

文件包含：MIT-BIH数据库信号用于CEEMDAN算法代码，EMD、EEMD和CEEMDAN算法源码

matlab代码影响深度学习胸部X射线图像 为解决Kaggle在放射线照相图像中识别肺炎所提供的挑战而开展的活动。 动机来自安德森·索亚雷斯（Anderson Soares）教授的提议，他在课堂上提出了挑战。 为了解决该问题，该存储库中包含一种人工机器学习智能技术，专注于使用深度学习对模式进行识别。 语境 数据集被组织为3个文件夹（训练，测试，验证），并包含每个图像类别（肺炎/正常）的子文件夹。 有5,863张X射线图像（JPEG）和2类（肺炎/正常）。 胸部X射线图像（前后）选自广州市广州市妇女儿童医疗中心的1至5岁儿科患者的回顾性研究。 所有胸部X射线成像均作为患者常规临床护理的一部分进行。 为了分析胸部X射线图像，首先对所有胸部X光片进行了筛查，以通过去除所有低质量或不可读的扫描来进行质量控制。 然后，由两名专业医师对图像的诊断进行分级，然后再将其清除以训练AI系统。 为了解决任何分级错误，还由第三位专家检查了评估集。 解决方案 通过使用InceptionV3网络，使用转移学习资源实现了深度神经网络。 可以在网络体系结构本身的实现中可视化所使用的参数。 该解决方案还使用了外部数据

基于高斯混合模型的说话人识别matlab代码实现

莱斯利·matlab代码野生眼周：双流CNN和OC-LBCP 介绍 这项工作为野外眼周的新型描述符OC-LBCP和双流CNN做出了贡献。 我们还提供以下代码： OC-LBCP（请参阅） 野外眼周双流CNN的预训练模型（请参阅） 预训练模型 请从以下位置下载经过预先​​训练的模型，并确保您按照以下步骤设置我们的目录： DSCNN_OCLBCP ├── model_result │ ├── mat │ └── save └── test_data ├── descriptor └── rgb 兼容性 我们使用以下代码测试了代码： 神经网络 Ubuntu OS 18.04 LTS和Anaconda3（Python 3.7）下的Tensorflow-GPU 1.13.1 Windows 10和Anaconda3（Python 3.7）下的Tensorflow-GPU 1.13.1 / Tensorflow 1.13.1 OCLBCP MATLAB 2018b和MATLAB 2019b 要求 数据集 有关数据集信息，请参阅我们的论文[1]。 数据集在中提供。 引文 如果您在研究工作中使用我们的模

物流matlab代码ADM1 厌氧消化模型 1 (ADM1) 的 Java 实现。 基于为国际水协会 (IWA) 污水处理厂控制策略基准测试任务组制作的基准模拟模型 2 (BSM2) 生成的 Matlab 代码。 最初的 ADM1 是由 IWA 厌氧消化过程数学建模任务组开发的。 本作品创作于： Lehrstuhl für Strömungsmechanik, Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) 该模型的用法可以在以下会议论文中找到： Pettigrew, L.、Hubert, S.、Groß, F.、Delgado, A. (2015)。 动态生物过程模型在参考网络模拟环境中的实施。 16. ASIM 生产和物流中的专用会议模拟。 多特蒙德：弗劳恩霍夫 IRB 出版社。 Pettigrew, L., Delgado, A. (2016)。 基于神经网络的强化学习控制在厌氧消化系统中增加甲烷产量。 在第三届 IWA 专业国际会议“废水处理生态技术”（ecoSTP16）。 英国剑桥。 接口和使用 命令行界面可用于

正弦信号的matlab代码SiTraNo（正+瞬态+噪声） 一个MATLAB应用程序，用于音频信号的音调-瞬态噪声分解。 使用Matlab 2020b中的App Designer开发。 L. Fierro和V.Välimäki。 “ SiTraNo：用于音频信号的音调-瞬态噪声分解的MATLAB应用程序” 。 提交给2021年在奥地利维也纳举行的数字音频效果（DAFx）会议。 抽象的 将声音分解为音调，瞬态和噪声成分是一个活跃的研究主题，也是音频处理中广泛使用的工具。 近年来，已经提出了多种解决方案，使用时频表示来识别声音声谱图中的水平和垂直结构或方向和各向异性。 这就是SiTraNo：一个易于使用的MATLAB应用程序，带有用于音频分解的图形用户界面，可分别进行可视化和音调，瞬态和噪声类别的访问。 该应用程序允许用户在生成所需的输出文件之前，在不同的众所周知的分离方法之间进行选择，以分析输入的声音文件，即时控制和重新混合其频谱分量以及直观地检查分解的质量。 SiTraNo中很容易看到常见工件的可视化，例如小鸟和遗落物。 此应用程序希望通过观察每个频谱分量对原始声音的变化影响，并通过相

1、matlab文件一份 2、cst仿真模型一份 3、对应文献一份 4、下载者可简单邮箱交流

完全可行的中值滤波代码。用MATLAB编写，下载后直接可以使用。理解容易使用方便。

代码构建了两阶段鲁棒优化模型，并用文档中的相对简单的算例，进行benders分解算法的验证，此篇文献是benders分解算法的入门级