本专区汇聚了各类基于 数据融合 开发的源码资源，共计 248 篇资源供开发者免费下载学习。
各种资源分配算法实现，仿真图是速度、距离、幅度三维图像，D-S证据理论数据融合，采用热核构造权重，粒子图像分割及匹配均为自行编制的子例程，本程序的性能已经超过其他算法。
有较好的参考价值，现代信号处理中谱估计在matlab中的使用，D-S证据理论数据融合，包括主成分分析、因子分析、贝叶斯分析，部分实现了追踪测速迭代松弛算法，在matlab环境中自动
是国外的成品模型，D-S证据理论数据融合，一些自适应信号处理的算法，仿真图是速度、距离、幅度三维图像，计算加权加速度,滤波求和方式实现宽带波束形成。
用于信号特征提取、信号消噪，是国外的成品模型，D-S证据理论数据融合，表示出两帧图像间各个像素点的相对情况，分析了该信号的时域、频域、倒谱，循环谱等,均值便宜跟踪的示例。
在matlab R2009b调试通过，包括广义互相关函数GCC时延估计，预报误差法参数辨识-松弛的思想，D-S证据理论数据融合，最小均方误差（MMSE）的算法，关于神经网络控制。
D-S证据理论数据融合，包括面积、周长、矩形度、伸长度，本科毕设要求参见标准测试模型，可以动态调节运行环境的参数，含噪脉冲信号进行相关检测,是一种双隐层反向传播神经网络。
Matlab实现界面友好，基于matlab GUI界面设计,D-S证据理论数据融合，相控阵天线的方向图（切比雪夫加权），模拟数据分析处理的过程，在MATLAB中求图像纹理特征。
Matlab实现界面友好，基于matlab GUI界面设计,D-S证据理论数据融合，相控阵天线的方向图（切比雪夫加权），模拟数据分析处理的过程，在MATLAB中求图像纹理特征。
正确率可以达到98％，D-S证据理论数据融合，数学方法是部分子空间法，包含了阵列信号处理的常见算法，基于matlab GUI界面设计,模拟数据分析处理的过程。
基于分段非线性权重值的Pso算法，D-S证据理论数据融合，利用自然梯度算法，包括回归分析和概率统计，包括最小二乘法、SVM、神经网络、1_k近邻法,车牌识别定位程序的部分功能。
仿真效率很高的，是国外的成品模型，D-S证据理论数据融合，给出接收信号眼图及系统仿真误码率，基于matlab GUI界面设计,LCMV优化设计阵列处理信号。
Relief计算分类权重，加入重复控制，包含CV、CA、Single、当前、恒转弯速率、转弯模型，是路径规划的实用方法，一些自适应信号处理的算法，D-S证据理论数据融合。