Upload log:

日食Solar Eclipse.zip - matlab日食的相关代码，比较详细的计算仿真了日食过程
11111.rar - PLS_Toolbox是用于故障检测与诊断方面的matlab工具箱，其中包括PCA、PLS等
112.rar - 基于蚁群算法的图像边缘检测，具有较好的效果。
pid.zip - 人工蜂群算法优化无刷直流电机PID控制，并采用三种评价指标函数IAE、ITAE、ITSE来进行对比分析
POWLL.zip - 这是用matlab写的powell优化算法程序，有很好的优化效果。
基于粒子滤波的故障检测.rar - 基于粒子滤波的故障检测,使用似然函数作为检测函数,具有较好的检测效果。
新建文件夹.zip - 准确估计出执行器故障，对外部扰动噪声鲁棒
无故障，常值故障.zip - 基于观测器方法实现故障估计，无故障和常值故障
huamo.rar - simulink搭建滑模观测器，并检测出故障，对故障鲁棒，具有较好的检测效果。
LQR_observer-design.rar - sinmulik仿真，LQR观测器设计，具有较好的跟踪效果和收敛性，观测器能够快速追踪系统。
LQRjiangweiguanceqi.rar - LQR观测器的设计，状态估计效果较好，精确估计状态值
BP_net.rar - 齿轮箱故障诊断，用于诊断齿轮箱的几种不同的故障类型。

Download log:

pedestrain.rar - 经典的行人检测算法，利用HOG和SVM实现此算法。已调试可以正常运行。
demo_01.rar - 用matlab编写的基于haar特征和SVM的行人检测代码集。其中包含了数据集。
HOG-Pedestrian-Detector-mastermatlab.zip - HOG特征提取在进行SVM行人检测，经典算法
PeopleDetection-master.zip - 使用MATLAB语言，利用HOG特征和svm分类器来实现行人的检测
PassengerDetect.zip - 基于Opencv的行人检测，使用HOG+SVM，先遍历文件夹再对文件夹中的所有图片进行检测并把结果输出到txt中。
HogPSVM-Pedestrian-Detection-.rar - 保证可用的，希望好评！！！HOG+SVM进行图片中行人检测，提供训练用的pos和neg样本，效果还可以（也是本网站下载代码，但是原始的作者故意改错一些地方，我已经一一修正，完全可以运行；没有SVM工具箱的，压缩包里已经提供了，安装一下即可）
beam_displacement.rar - 进行了简支梁荷载作用下的变形计算，将梁分成了40个单元，分别用Euler Bernoulli和Timoshenko 梁进行了对比计算
BEMA_SUPPORTED.rar - 简支梁有限元特征值分析计算，计算了前10阶模态和频率，并作图。包含多个文件代码，主要是包括数据输入，边界条件检验，整合整体刚度
1231234.rar - 简支梁受各种力综合作用的剪力，弯矩计算及图形绘制
0801263_.zip - 考察一个长度为 的均直简支梁系统，梁的横截面积为A，弹性模量为E，质量密度为 ，在离简支梁左边支点的 距离和 距离处 施加动态载荷
FEM_matlab.rar - 单边简支梁有限元程序,MATLAB，希望对大家有用，详细介绍见英文和下载文档中的WORD文档
makdfvadvgasdf.rar - MATLAB程序------材料力学简支梁剪力、弯矩及强度校核、截面设计
zhenchafaxingrenjiace.zip - 利用运动目标检测中的帧差法对视频中的行人进行检测和跟踪，取得了比较好的效果，可以学习借鉴。
Digital_Image_Correlation_080910.zip - 目标跟踪，本文围绕人运动的视觉分析中的重要课题——基于模型的行人跟踪——展开研究,它不仅涉及底层视觉的许多问题,还是高层视觉处理的基础。基于模型的跟踪是解决行人跟踪问题的一般性框架。
KDE.zip - 用KDE和密度估计方法实现行人检测，该方法亲测有效.
kalman.zip - 分为行人检测，特征提取，行人跟踪三步，其中最主要的代码也是这个代码的中心是行人跟踪这一部分，我采用的是kalman滤波器进行行人下一帧位置的预测，可以很好的提高行人跟踪的鲁棒性，跟踪结果比较准确。
PV_Simulink.rar - 光伏发电仿真程序，含有MPPT算法，仿真效率很高!
FullFlexBayesNets.rar - 动态贝叶斯网络算法的计算和改进，包含测试例子
DBN.zip - 根据历史电网负荷数据，用深度置信网络预测未来负荷大小
NMF.zip - 完整的NMF算法资料，有说明文件，有代码，也有运行案例。是非常不错的学习NMF的资料。

Favorite: