柯罗波夫和尼德雷特序列代码

这份代码展示了如何用Tensorflow创建对抗样本，以Matlab实现罗吉特模型。虽然这是原始代码，无法再更新，但对初学者非常有帮助。这个仓库包含了Tensorflow实现的算法，符合tensor-in，tensor-out的原则。快速梯度法（FGM）和目标快速梯度法（FGMT）是该实现的核心方法。

PCP和RPCA在MATLAB中的代码最新更新日期为2018年1月28日，当前版本为1.0.10。这个LRSLibrary提供了视频背景建模和减法的低秩和稀疏工具集合。LRSLibrary不仅限于运动分割，在其他计算机视觉问题中也有广泛的应用。该库包含100多种基于矩阵和张量方法的算法。LRSLibrary已在多个MATLAB版本（如R2014、R2015、R2016、R2017的x86和x64版本）上通过测试，最低要求为R2014b。

这份指南展示了如何利用GUI绘制曼德勃罗图。默认情况下，它通过执行20次迭代计算Z=Z^2+C，其中Z初始为0，C由meshgrid函数生成的每个像素值确定。尽管基本方程为Z=Z^2+C，您可以在1至50之间调整迭代次数。更多的迭代次数不仅增加计算时间，还能提供更精确的图像结果。要调整图形区域的缩放，选择一个感兴趣的点，并更新中心值，然后点击“显示图形”按钮。这是初版，可能存在一些使用上的不足。

Matlab编程：普森罗夫尤维多斯方法应用。这段代码计算了两个YUV视频之间的PSNR。

MATLAB提供了quad8函数来进行定积分，基于牛顿－柯特斯法的优化。函数调用格式为：[I,n]=quad8('fname',a,b,tol,trace)，其中tol的默认值为10^-6。与quad函数相比，quad8函数能够更高效地求解定积分，减少函数调用步数。

Matlab开发：实现博德洛特图时去除渐近线的方法。

复序列的实部和虚部之间存在类似于希尔伯特变换关系的卷积关系。这种关系在带通信号表示为复信号时特别有用。 因果性可以用来推导复序列的希尔伯特变换关系。由于我们关注的是复序列的实部和虚部之间的关系，所以因果性应用于序列的傅里叶变换。 虽然不能要求序列的傅里叶变换在 ω=0 时为零，因为它具有周期性，但我们可以定义因果性为傅里叶变换在每一周期的后半部分为零，即 z 变换在单位圆的下半部分 (-π≤ω≤0) 为零。 设 s(n) 表示序列，S(ejω) 表示其傅里叶变换，则因果性要求是： S(ejω)≡0, -π≤ω≤0 (7.41) 对应于 S(ejω) 的序列 s(n) 必然是复序列，因为实序列要求 S(e-jω) = S*(ejω)。 因此，我们将复序列 s(n) 表示为： s(n) = sr(n) + jsi(n) (7.42) 其中 sr(n) 和 si(n) 都是实序列。 类似于模拟信号理论中的解析信号，我们可以将 s(n) 这样的复序列称为解析信号。 对于任意序列 s(n)，存在一个对应的限带模拟信号 sa(t)，使得： sa(t) = s(n) for nt ≤ t < (n+1)t 因此，如果 S(ejω) = 0 for |ω| > π，则信号 sa(t) 是 t 的解析函数。 从这个意义上说，序列 s(n) 确实对应于解析信号。

Matlab开发：绘制传递函数的波德图、零点和极点变量参数化。这个函数用于准确和渐近地绘制传递函数的波德图、模量和相位。

该资源提供生成斐波那契随机序列的代码实现。用户可根据自身需求，利用代码生成特定长度和范围的随机序列。