unscented kalman filter by matlab
unscented kalman filtering程序:包含函数和一个demon。程序包括五个步骤:参数计算、sigma点集计算、时间更新、观测更新、滤波更新。每一步都有详细的注释。以供学习参考。
粒子滤波文献梳理
它是对采用粒子滤波跟踪的文献梳理,既有对理论背景、框架的介绍,也有对相关文献的综述,适合于入门者仔细阅读。
基本的粒子滤波程序matlab
这是一个小程序matlab:主要为了说明非线性、非高斯系统的跟踪问题:扩展的卡尔曼滤波算法与粒子滤波算法比较。理解它,对于理解这两宗算法很有帮助。
通过颜色值的C均值聚类分析实现图像分割
% imgFCMClust.m 根据灰度值采用模糊C均值对数据集imgData聚为cluster_n类
%
% 用法:
% 1. [center,U,obj_fcn] = FCMClust(imgData,N_cluster,options);
% 2. [center,U,obj_fcn] = FCMClust(imgData,N_cluster);
%
% 输入:
% imgData ---- row*col*nchannels矩阵
% N_cluster ---- 标量,表示聚合中心数目,即类别数
% options ---- 4x1矩阵,其中
% options(1): 隶属度矩阵U的指数,>1 (缺省值: 2.0)
% options(2): 最大迭代次数 (缺省值: 100)
% options(3): 隶属度最小变化量,迭代终止条件 (缺省值: 1e-5)
% options(4): 每次迭代是否输出信息标志 (缺省值: 1)
% 输出:
% center ---- 聚类中心:N_cluster*nchannels
% U ---- 隶属度矩阵:row*col*N_cluster
% obj_fcn ---- 目标函数值:1*1
对图像颜色值采用模糊C均值聚类
% imgFCMClust.m 根据灰度值采用模糊C均值对数据集imgData聚为cluster_n类
%
% 用法:
% 1. [center,U,obj_fcn] = FCMClust(imgData,N_cluster,options);
% 2. [center,U,obj_fcn] = FCMClust(imgData,N_cluster);
%
% 输入:
% imgData ---- row*col*nchannels矩阵
% N_cluster ---- 标量,表示聚合中心数目,即类别数
% options ---- 4x1矩阵,其中
% options(1): 隶属度矩阵U的指数,>1 (缺省值: 2.0)
% options(2): 最大迭代次数 (缺省值: 100)
% options(3): 隶属度最小变化量,迭代终止条件 (缺省值: 1e-5)
% options(4): 每次迭代是否输出信息标志 (缺省值: 1)
% 输出:
% center ---- 聚类中心:N_cluster*nchannels
% U ---- 隶属度矩阵:row*col*N_cluster
% obj_fcn ---- 目标函数值:1*1