XiaoMi-AI文件搜索系统
World File Search SystemMATLAB
ICACLEANEEG 版本 1.3 基于 MATLAB 的 EEG ...
收集到脑电图 (EEG) 记录后，有多种技术可用于准备数据以供分析。一种复杂且越来越流行的技术是应用独立成分分析 (ICA) 来将信号与噪声分离。在头皮记录的 EEG 信号并不是大脑神经生理活动的纯粹测量值，并且受到来自各种来源的噪声的污染。在 EEG 记录中通常会观察到肌肉收缩、眨眼、心跳、与汗水相关的信号改变、环境噪声和设备故障。这些噪声源会使测量与实验任务操作或个体差异相关的大脑活动的细微变化变得困难。ICA 可用于识别数据中的这些噪声源。最终目标是分离出并保留与大脑相关的“成分”，同时尽可能多地丢弃其他所有成分。（有关更多背景信息，请参阅：Hyvarinen 和 Oja 2000；神经网络）。
使用 MATLAB 估算剩余使用寿命 | OPENCADD
开发预测性维护模型的第一步是获取数据。此示例使用 NASA 数据存储库中公开提供的预测和健康管理挑战数据集。该数据集包括来自 218 个发动机的运行至故障数据，其中每个发动机数据集包含来自 21 个传感器的测量值。通过放置在发动机各个位置的传感器收集燃油流量、温度和压力等测量值，以向控制系统提供测量值并监控发动机的健康状况。该图显示了一个传感器对所有 218 个发动机的测量结果。
使用 MATLAB 从 MRI 图像中提取脑肿瘤
脑瘤是组织异常生长，其生长不受控制，不受控制细胞正常生长的检查点的制约。脑瘤可以是原发性的，也可以是转移性的。从身体其他部位扩散到大脑的肿瘤被称为转移性肿瘤。脑瘤是儿童和成人死亡的可能原因之一。在儿童中，脑瘤是所有癌症死亡的四分之一的原因。英国每年诊断出大约 200 种不同类型的肿瘤。医学共振成像是一种先进的成像技术，用于获取身体不同部位的高质量图像。MRI 用于大脑发育和大脑异常的解剖分析（Logeswari 和 Karnan 2009）。这些 MRI 图像经过预处理，以便可以对这些图像执行进一步的形态学操作，以检测肿瘤的大小、形状和位置。MRI 图像的预处理是为了去除噪音和增强图像，而形态学操作则使用 MATLA B 算法来分离和检测脑中的肿瘤（Murugavalli 和 Rajamani 2007）。分割的最终目的是从图像数据中提取重要特征。从脑部 MRI 图像中分割肿瘤是一个耗时的过程（Toure、Beiji 等，2010 年）。MATLAB 是一种快速算法，用于在很短的时间内从 MRI 图像中检测肿瘤。最后，将肿瘤映射到原始灰度图像上，强度为 255，使肿瘤在图像中可见。收到（2017 年 8 月 10 日），审核结果（2017 年 11 月 5 日），接受（2017 年 11 月 20 日）
俯仰运动系统设计及MATLAB仿真...
1.3 目标................................................................................................................ 3
飞机 变桨 运动 系统 控制器 设计 与 MATLAB 仿真
1.3 目标................................................................................................................ 3
使用 MATLAB GUI 进行移动物体检测和跟踪...
摘要：移动物体检测和跟踪是安全应用之一，由于其在视频监控、交通监控和图像识别等领域的应用，引起了计算机视觉研究人员的极大兴趣。移动物体检测涉及在连续帧中识别物体，而物体跟踪用于监控相对于感兴趣区域的移动。在这项研究工作中，GUI（图形用户界面）是使用 MATLAB 中的 Guide 创建的，它提供软件应用程序的点击控制，无需学习语言或输入命令即可运行应用程序。本文使用基于高斯混合模型的背景减法算法进行物体检测，该算法可以处理背景强度分布的较大变化，并使用卡尔曼滤波器进行视频跟踪，该滤波器使用随时间观察到的一系列测量值，包含统计噪声和其他不准确性，并产生未知变量的估计值，这些估计值往往比仅基于单个测量的估计值更精确，在物体周围绘制一个边界框以跟踪视频帧中移动的移动物体，每帧中物体的计数值显示在 MATLAB 命令窗口中。在这里，MATLAB 与 Arduino 板（基于微控制器的板）连接，该板与 LED 连接，根据计数值，LED 的数量将发光。MATLAB 的计数值通过串行通信与 Arduino 板通信。关键词：移动物体检测、跟踪、指南、MATLAB、LED、Arduino、串行通信。
使用 MATLAB GUI 进行运动物体检测和跟踪...
摘要：移动物体检测和跟踪是安全应用之一，由于其在视频监控、交通监控和图像识别等领域的应用，引起了计算机视觉研究人员的极大兴趣。移动物体检测涉及在连续帧中识别物体，而物体跟踪用于监控相对于感兴趣区域的移动。在本研究中，使用 MATLAB 中的 Guide 创建了 GUI（图形用户界面），它提供软件应用程序的点击控制，无需学习语言或输入命令即可运行应用程序。在本文中，使用基于高斯混合模型的背景减法算法执行物体检测，该算法可以处理背景强度分布的较大变化，使用卡尔曼滤波器执行视频中的跟踪，该滤波器使用随时间观察到的一系列测量值，包含统计噪声和其他不准确性，并产生未知变量的估计值，这些估计值往往比仅基于单个测量值的估计值更精确，在物体周围绘制一个边界框以在物体在视频帧中移动时跟踪移动物体，每帧中物体的计数值显示在 MATLAB 命令窗口中。这里 MATLAB 与 Arduino 板（基于微控制器的板）连接，Arduino 板与 LED 连接，根据计数值 LED 的数量会发光。MATLAB 的计数值通过串行通信与 Arduino 板通信。关键词：移动物体检测、跟踪、引导、MATLAB、LED、Arduino、串行通信。
MATLAB 中的神经网络和学习算法 - 电子书
© 编辑（如适用）和作者，根据 Springer Nature Switzerland AG 2022 的独家许可，2023 年更正出版 本作品受版权保护。所有权利均由出版商独家和独家授权，无论涉及全部或部分材料，特别是翻译、重印、重复使用插图、朗诵、广播、在微缩胶片或任何其他物理方式上复制、传输或信息存储和检索、电子改编、计算机软件或现在已知或今后开发的类似或不同的方法的权利。使用一般描述性名称、注册名称、商标、服务标记等。本出版物中的这些名称即使在没有具体声明的情况下也不意味着这些名称不受相关保护法律和法规的约束，因此可以免费使用。出版商、作者和编辑可以放心地认为，本书中的建议和信息在出版之日是真实准确的。出版商、作者或编辑均不对本书所含材料或可能出现的任何错误或遗漏提供明示或暗示的保证。出版商对已出版地图和机构隶属关系中的司法权主张保持中立。
MATLAB 中的神经网络和学习算法 - 电子书
© 编辑（如适用）和作者，经 Springer Nature Switzerland AG 独家授权，2022 年更正出版 本作品受版权保护。所有权利均由出版商独家和独家授权，无论涉及全部或部分材料，特别是翻译、重印、重复使用插图、朗诵、广播、在缩微胶片或任何其他物理方式上复制、传输或信息存储和检索、电子改编、计算机软件或现在已知或今后开发的类似或不同的方法的权利。本出版物中使用的一般描述性名称、注册名称、商标、服务标记等并不意味着，即使没有具体声明，这些名称也不受相关保护法律和法规的约束，因此可以免费用于一般用途。出版商、作者和编辑可以放心地假设本书中的建议和信息在出版之日被认为是真实和准确的。出版商、作者或编辑均不对本文所含材料或可能出现的任何错误或遗漏提供明示或暗示的保证。出版商对于已出版地图中的司法管辖权主张和机构隶属关系保持中立。