精华内容
下载资源
问答
  • 调试和运行matlab代码(源程序)的技巧和教程

    万次阅读 多人点赞 2017-11-17 16:50:26
    本文主要给大家分享使用matlab编写代码,完成课程设计、毕业设计或者研究项目时,matlab调试程序的技巧和方法。 快速完成一个项目,最简单的方法就是利用前人的开源代码,然后根据自己项目的具体需求和参数,对已有...

    转载请标明出处:专注matlab代码下载的网站http://www.downma.com/

    本文主要给大家分享使用matlab编写代码,完成课程设计、毕业设计或者研究项目时,matlab调试程序的技巧和方法。

    快速完成一个项目,最简单的方法就是利用前人的开源代码,然后根据自己项目的具体需求和参数,对已有代码进行调试,并增加或删减部分功能,最终实现自己项目的全部功能。所谓“站在前人的肩膀上”。

    闲话少叙,我们先从最基本的matlab软件安装开始,已经成功安装matlab软件的可以直接跳过。

    1. 正确安装matlab软件

    下载matlab软件

    首先下载你想要安装的matlab安装文件,建议不要下载过于陈旧的版本,至少应该是matlab2010之后的版本。因为随着matlab版本的更新,增加了一些新的函数,并对不安全的函数使用进行了删除。部分代码的调试,可能由于过于陈旧的matlab版本,可能导致调试报错。

    另外,请大家支持正版,在官网购买matlab软件或者使用其30天免费试用版

    当然购买官方正版比较适合商业应用,对于学生和科研用途,购买费用恐怕难以接受。请自行下载破解版。

    安装matlab软件

     

    下载软件后的安装方法比较简单,这里不再赘述,请大家移步百度经验,搜索“matlab安装”,会有简单明了的安装教程。

    安装matlab的路径,建议没有中文字符或者空格。这样可以尽最大可能减少程序运行时,由于中文路径不识别导致的错误。

    2. 下载的代码包里的文件都是干什么的?

    当我们从网络上下载matlab的源代码时(例如:专注matlab代码下载的网站www.downma.com),得到的通常是代码的压缩包,里面包括很多各种后缀的文件。他们都是什么文件呢,都是干什么用的?

    m后缀的文件:这是matlab代码的最常用后缀,就像C++的常用后缀是cpp一样。只要看到.m文件,你就知道这个是matlab的代码。和C++不同的是,很多matlab的自定义函数,也是单独定义在m文件中的。

    fig后缀的文件:这个是matlab输出的绘图结果保存的文件,保存着各种仿真结果的曲线。此外,GUI的图形用户界面也是以fig文件的形式保存的。

    asv后缀的文件:这个是matlab对用户编辑时间较长的m文件自动保存的文件。对代码的运行不起作用,是可以删除的。

    mdl后缀的文件:Simulink是matlab的另外一个强大的仿真功能。与代码方式进行仿真的m文件不同,mdl文件主要是通过各种Simulink的模块,进行实时仿真的文件。

    mat后缀的文件:mat文件是用来存储数据的,可以理解为matlab的小型数据库。保存形式类似于excel表格,可以直接加载到程序中,变成相应的变量,也可以作为程序输出结果的保存文件。

    p后缀的文件:p文件是为了保护知识产权设计的一种加密文件,是不能查看的。其作用和m文件类似,封装了自定义函数,不可以删除。

    txt、doc的文件:有一些代码包会同时携带说明文件,包括程序的用途和参数,还包括程序运行时的注意事项等。还有一些简单的matlab代码,直接保存到文档里。可以直接复制到matlab中,保存为m文件,进行调试和运行。

    还要一些文件不是代码部分,而是程序要处理的源文件。例如,图片文件jpg,bmp,gif;视频文件avi;音频文件wav等。这些文件的位置不要轻易改变,否则会影响到程序对这些源文件的调用。

    在有些情况下,代码包里还有一些cpp、h后缀的C++文件。这些代码通常是matlab和C++进行混合编程时使用。如果你的项目重点不是混合编程,忽略即可,但是不要删除。

    3. 怎么正确启动主程序?

    Matlab的工作目录设置

    很多人都说,网上下载的代码怎么都运行不起来,各种报错?其实,是你的打开方式不对

    最重要一点:你的“matlab当前工作目录”一定要是你下载的代码压缩包解压后的文件夹!因为通常matlab的默认工作目录,并不是你的代码所在文件夹。当然,你也可以把所有代码都解压到matlab的默认工作目录里。

    lujing.jpguploading.4e448015.gif转存失败重新上传取消matlab代码工作目录

    怎么找到主程序文件?

    如果你下载的代码具有图形用户界面GUI,那么通常情况下.fig文件就是这个代码的主程序,你只要在确保工作路径正确的情况下,在命令窗口输入xxx.fig,然后回车即可。这样用户界面就会弹出来了。

    如果你下载的是Simulink模型代码,确保mdl文件在工作路径,然后在命令窗口输入Simulink,回车后即打开Simulink软件,打开mdl文件即可,然后点击调试运行mdl文件。此外,还直接运行mdl文件,在命令窗口输入sim(’xxxx.mdl’, Trange)其中Trange是仿真时间。

    大多数情况下,你下载的是m文件组成的matlab仿真代码。这个时候,只要找到主程序的m文件,打开点击调试运行按钮即可(或者直接按F5或F9)。或者在命令窗口输入主程序的文件名,例如xxx.m或run xxx.m,回车即可运行。

    当然,如何找到主程序m文件就至关重要了:

    首先,如果代码包里提供了说明文档,请参照说明文档找到主程序。

    如果代码包中没有说明文档指出哪个代码是主程序,通常可以通过m文件的命名方式判断。例如以main.mtest.m或中文命名的m文件就是主程序文件。

    如果上面的方法不能帮你找到主代码文件,你就需要逐个m文件打开,通过代码的内容来判断是否是主代码了:

    如果有m文件是以clear allclc等清空命令开始的,通常这个文件就是主程序文件;

    如果有m文件的开始包含很多关于参数和程序用途的注释部分,通常这个文件就是主程序文件;

    如果有m文件不是自定义函数,即不是以function开头的m文件,通常这个文件就是主程序。因为以function开头的多数情况下是自定义函数,仅作为被调用使用;

    如果所有的m文件都是自定义函数,那就表示代码的主程序文件是以自定义函数的形式出现的。这个时候那个没有输入参数的自定义函数文件,就很有可能是主程序文件了;

    如果所有的m文件都是自定义函数,而且都包含输入参数,很有可能你下载到的是一个工具箱,没有主程序,需要你根据需要自己编写主函数,调用这些自定义函数文件。

    此外,使用自定义函数的m文件,一定不是把代码全部粘贴到命令窗口运行的,而是要使用参数调用的。

    当然,主程序的m文件可能不止一个,也就是说代码包里包含多个不同功能的主程序。

    4. 常见报错及解决方法

    错误1:图片或声音文件不存在

    当你运行主程序后,命令窗口提示类似unable to find file或者file xxx doesn’t exit的错误,通常是因为缺少图片或声音等源文件导致的。

    例如作者在上传代码时,仅仅包含了代码部分,没有包含要处理的图片或声音文件,这时候会出现找不到文件的错误。我们找到代码中加载图片或声音文件的语句,例如imread、wavread等语句。然后根据需要的图片或声音文件,自己补充这个源文件。

    错误2:函数不存在

    当你运行主程序后,命令窗口提示类似Undefined function or method的错误,通过是某个自定义的函数文件丢失或者工作路径不正确导致的。你要反复确认这个自定义函数的m文件是否包含在matlab的工作路径内,然后确认当前版本的matlab软件是否自带该函数。

    展开全文
  • 打包了匹配追踪算法OMP和自适应匹配追踪SAMP算法。基于MATLAB实现,亲测可以直接运行,结果正确,适用于科研、学习、工程应用。
  • ARIMA模型MATLAB实现代码,通过一批现有数据(本代码中batch=100),向后预测后n个数据,n越大,预测效果越差。代码可以直接运行,有实例支持,可以很快上手。压缩包包括以下三部分:主程序(ARIMA_main.m),辅助...
  • matlab编写的GAN代码,亲试可以运行,适合深度学习的朋友用,代码全,可用于深度学习,就是运行时间较长,但是不影响学习使用
  • 演化博弈matlab代码

    2020-01-29 06:20:17
    基于信息非对称双方演化博弈模型的matlab程序源代码,已经运行通过的 基于信息非对称双方演化博弈模型的matlab程序源代码,已经运行通过的
  • KCF 目标跟踪matlab代码

    2020-02-28 13:16:33
    相比于传统的KCF代码,增加了: 1 彩色原图的追踪界面 2 追踪结果的保存文件 3 追踪界面可以显示帧数 4 从run_tracker.m点进去可以直接运行
  • 假设:背包最大重量为1000,物品的数量为50, 物品的价值:[220 208 198 192 180 180 165 162 160 158 155 130 125 122 120 118 115 110 105 101 100 100 98 96 95 90 ...利用遗传算法解决背包问题在MATLAB运行代码
  • 这里的“定义”是指为它分配空间,这样不但可以提高运行的速度(这在matlab的帮助中也提到,详见Preallocating Arrays一节),而且还可以减少出错的几率,特别是在循环赋值、且变量大小不固定的时候。 如何对matlab...

    为了方便学习,部分内容略有修改,侵删。转载,来自@声振之家公众号。


    虽然matlab不像其他语言那样,对变量采用“先定义,后使用”的规则,但是,在使用一个变量之前,最好先对它进行“定义”

    这里的“定义”是指为它分配空间,这样不但可以提高运行的速度(这在matlab的帮助中也提到,详见Preallocating Arrays一节),而且还可以减少出错的几率,特别是在循环赋值、且变量大小不固定的时候。


    如何对matlab提速的问题?

    1.任务描述:根据A的取值,使用imshow函数显示矩阵B

    A = randn(100, 100);
    B = zeros(size(A));
    【方案1】
    [X,Y] = find(A > 0.6);
    For i = 1:length(X)
        B(X(i),Y(i)) = 1;
    End
    【方案2】
    B = zeros(size(A));
    X = find(A > 0.6);
    B(X) = 1;
    【方案3】:
    B = zeros(size(A));
    X = logical(A > 0.6);
    B(X) = 1;

    事实上,【方案1】到【方案2】的改进在“再谈Matlab的多维数组问题”一文中已经提及过,但是没想到自己在矩阵输入的时候注意到了,但是在矩阵输出的时候就忘记了,看来程序是需要不断修改、优化的,技巧也是需要不断巩固的。至于【方案3】,是得益于matlab的warning提示。

    然而,这并不是表示所有类似的地方都可以用logical代替find,当遇到循环次数与X有关时,用find会更有效,对此可以参考【例2】的【方案2】,这是用logical实现不到的。


    2.任务描述:有一个四维矩阵A(大小为61*73*61*210),其中前三维表示一个包含大脑结构的立方体,最后一维表示大脑中每个点对应的一个长度为210的时间序列。另外有一个三维矩阵Mask(大小是61*73*61),B是二值的,其中1表示该点是前景点(大脑),0表示该点是背景点。任务是对A中属于前景点的时间序列进行EMD处理,从而判断该前景点是否属于激活区。

    显然,这个问题要利用循环来完成。可以把多维数组转化为一维数组来处理,在这里,也要利用这个思想。而且,从下文可以看到,正是因为“多维变一维”的出现,才令程序得到更进一步的提速。

    首先利用reshape函数把四维矩阵A变成二维矩阵B,把三维矩阵Mask变成一维矩阵C

    B = reshape(A, 61*73*61, 210);
    C = Mask(:);
    t = 1:210;
    【方案1】
    iTotalVoxel = 61*73*61;
    for k = 1:iTotalVoxel
        if C(k) == 1
            temp = B(k,: );
            imf = emd(t, temp);
            …
        end
    end
    【方案2】
    D = find(C);
    iTotalBrainVoxel = length(D);
    for k = 1: iTotalBrainVoxel
        temp = B(D(k),: );
        imf = emd(t, temp);
        …
    end
    
    

    【方案1】明显是基于C语言的套路,而【方案2】则充分避免了matlab的弱点――循环,经过改进以后(“多维转一维”为此提供了保证,多维的话,恐怕要使用形如A(X(k),Y(k),Z(k),:)的形式了),由于循环次数的降低(大约降低为原来的1/3),故运行时间大致上减少了一半。

    由此可见,在matlab中,想加快运行速度,不但要减少循环的层数,而且,还要减少循环的次数


    小结:要学好matlab,有效地使用matlab,一定要摆脱C++的思想能不用循环的地方,尽量不要使用(例如求极值点等这些算法基本上可以不使用循环便可实现),逐渐抛弃C++的逐点运算的思想,多从矩阵的整体(或分块)上考虑。虽然matlab 对循环已经改进不少,但是,循环的确是造成程序运行速度降低的主要原因。

    matlab提供的远远不止在调用函数上的方便(例如在C++中编写fft、dwt等函数可能需要几十甚至几百行,而在matlab中只需要一两个语句),运行速度慢或许是没有使用好它,让它发挥出所长所致的。

     

     

    展开全文
  • Floyd弗洛伊德算法matlab仿真代码。跑过几遍,代码是可以运行的,下载后可以直接在matlab打开运行
  • MATLAB插值代码

    2018-12-05 15:27:47
    该文件含有MATLAB代码的样条插值,三次样条插值,以及线性插值,并可以通过运行进行比较
  • matlab时间检测函数,比起自带的tic toc,运行时间更稳定
  • PID Controller MATLAB Code。包括PID控制器的matlab完整代码。...但这些文件是用Matlab代码运行的。 将文件解压到工作目录并运行文件PID_ctrl_call.m。 您可以改变文件PID_ctrl.m中的PID调节参数,看看会发生什么。
  • 此文件为随机森林Matlab实现代码,可用于了解随机森林的实现过程,运行结果等等。
  • OFDM调制matlab仿真详细代码

    万次阅读 多人点赞 2019-12-04 11:31:09
    MATLAB仿真代码 % ================================================== % 作者: 肆拾伍 % 时间:11/30 2019 % 版本:V3 % =================OFDM仿真参数说明:================ % % 子载波数 carrier_count ---...

    MATLAB仿真代码

    % ==================================================
    % 作者: 肆拾伍
    % 时间:11/30 2019
    % 版本:V3
    % =================OFDM仿真参数说明:================
    % 
    % 子载波数 carrier_count     ---200
    % 总符号数 symbol_count      ---100
    % IFFT长度 ifft_length       ---512
    % 循环前缀 CP_length         ---512/4=128
    % 循环后缀 CS_length         ---20
    % 升余弦窗系数 alpha         ---7/32
    % 调制方式                   QAM16、QPSK 可选
    % 多径幅度 mult_path_am      ---[1 0.2 0.1] 
    % 多径时延 mutt_path_time    ---[0 20 50]
    % ====================仿真过程=======================
    % 产生0-1随机序列 => 串并转换 => 映射 => 取共轭、过采样
    % => IFFT => 加循环前缀和后缀 => 加窗 => 并串转换 => 
    % 多径信道 =>  加AWGN => 串并转换 => 去前缀 => FFT =>
    % 下采样 =>  解映射 => 求误码率 
    % ==================================================
    clear all;
    close all;
    carrier_count = 200; % 子载波数
    symbol_count = 100;
    ifft_length = 512;
    CP_length = 128;
    CS_length = 20;
    rate = [];
    SNR =20;
    bit_per_symbol = 4; % 调制方式决定
    alpha = 1.5/32;
    % ================产生随机序列=======================
    bit_length = carrier_count*symbol_count*bit_per_symbol;
    bit_sequence = round(rand(1,bit_length))'; % 列向量
    % ================子载波调制方式1========================
    % 1-28置零 29-228有效 229-285置零 286-485共轭 486-512置零
    carrier_position = 29:228;
    conj_position = 485:-1:286;
    bit_moded = qammod(bit_sequence,16,'InputType','bit');
    figure('position',[0 0 400 400],'menubar','none');
    scatter(real(bit_moded),imag(bit_moded));
    title('调制后的散点图');
    grid on;
    % ===================IFFT===========================
    % =================串并转换==========================
    ifft_position = zeros(ifft_length,symbol_count);
    bit_moded = reshape(bit_moded,carrier_count,symbol_count);
    figure('position',[400 0 400 400],'menubar','none');
    stem(abs(bit_moded(:,1)));
    grid on;
    ifft_position(carrier_position,:)=bit_moded(:,:);
    ifft_position(conj_position,:)=conj(bit_moded(:,:));
    signal_time = ifft(ifft_position,ifft_length);
    figure('position',[0 400 400 400],'menubar','none');
    subplot(3,1,1)
    plot(signal_time(:,1),'b');
    title('原始单个OFDM符号');
    xlabel('Time');
    ylabel('Amplitude');
    % ==================加循环前缀和后缀==================
    signal_time_C = [signal_time(end-CP_length+1:end,:);signal_time];
    signal_time_C = [signal_time_C; signal_time_C(1:CS_length,:)];
    subplot(3,1,2); % 单个完整符号为512+128+20=660
    plot(signal_time_C(:,1));
    xlabel('Time');
    ylabel('Amplitude');
    title('加CP和CS的单个OFDM符号');
    % =======================加窗========================
    signal_window = zeros(size(signal_time_C));
    % 通过矩阵点乘
    signal_window = signal_time_C.*repmat(rcoswindow(alpha,size(signal_time_C,1)),1,symbol_count);
    subplot(3,1,3)
    plot(signal_window(:,1))
    title('加窗后的单个OFDM符号')
    xlabel('Time');
    ylabel('Amplitude');
    % ===================发送信号,多径信道====================
    signal_Tx = reshape(signal_window,1,[]); % 变成时域一个完整信号,待传输
    signal_origin = reshape(signal_time_C,1,[]); % 未加窗完整信号
    mult_path_am = [1 0.2 0.1]; %  多径幅度
    mutt_path_time = [0 20 50]; % 多径时延
    windowed_Tx = zeros(size(signal_Tx));
    path2 = 0.2*[zeros(1,20) signal_Tx(1:end-20) ];
    path3 = 0.1*[zeros(1,50) signal_Tx(1:end-50) ];
    signal_Tx_mult = signal_Tx + path2 + path3; % 多径信号
    figure('menubar','none')
    subplot(2,1,1)
    plot(signal_Tx_mult)
    title('多径下OFDM信号')
    xlabel('Time/samples')
    ylabel('Amplitude')
    subplot(2,1,2)
    plot(signal_Tx)
    title('单径下OFDM信号')
    xlabel('Time/samples')
    ylabel('Amplitude')
    % =====================发送信号频谱========================
    % ====================未加窗信号频谱=======================
    % 每个符号求频谱再平均,功率取对数
    figure % 归一化
    orgin_aver_power = 20*log10(mean(abs(fft(signal_time_C'))));
    subplot(2,1,1)
    plot((1:length(orgin_aver_power))/length(orgin_aver_power),orgin_aver_power)
    hold on
    plot(0:1/length(orgin_aver_power):1 ,-35,'rd')
    hold off
    axis([0 1 -40 max(orgin_aver_power)])
    grid on
    title('未加窗信号频谱')
    % ====================加窗信号频谱=========================
    orgin_aver_power = 20*log10(mean(abs(fft(signal_window'))));
    subplot(2,1,2)
    plot((1:length(orgin_aver_power))/length(orgin_aver_power),orgin_aver_power)
    hold on
    plot(0:1/length(orgin_aver_power):1 ,-35,'rd')
    hold off
    axis([0 1 -40 max(orgin_aver_power)])
    grid on
    title('加窗信号频谱')
    % ========================加AWGN==========================
    signal_power_sig = var(signal_Tx); % 单径发送信号功率
    signal_power_mut = var(signal_Tx_mult); % 多径发送信号功率
    SNR_linear = 10^(SNR/10);
    noise_power_mut = signal_power_mut/SNR_linear;
    noise_power_sig = signal_power_sig/SNR_linear;
    noise_sig = randn(size(signal_Tx))*sqrt(noise_power_sig);
    noise_mut = randn(size(signal_Tx_mult))*sqrt(noise_power_mut);
    % noise_sig=0;
    % noise_mut=0;
    Rx_data_sig = signal_Tx+noise_sig;
    Rx_data_mut = signal_Tx_mult+noise_mut;
    % =======================串并转换==========================
    Rx_data_mut = reshape(Rx_data_mut,ifft_length+CS_length+CP_length,[]);
    Rx_data_sig = reshape(Rx_data_sig,ifft_length+CS_length+CP_length,[]);
    % ====================去循环前缀和后缀======================
    Rx_data_sig(1:CP_length,:) = [];
    Rx_data_sig(end-CS_length+1:end,:) = [];
    Rx_data_mut(1:CP_length,:) = [];
    Rx_data_mut(end-CS_length+1:end,:) = [];
    % =========================FFT=============================
    fft_sig = fft(Rx_data_sig);
    fft_mut = fft(Rx_data_mut);
    % =========================降采样===========================
    data_sig = fft_sig(carrier_position,:);
    data_mut = fft_mut(carrier_position,:);
    figure
    scatter(real(reshape(data_sig,1,[])),imag(reshape(data_sig,1,[])),'.')
    grid on;
    figure
    scatter(real(reshape(data_mut,1,[])),imag(reshape(data_mut,1,[])),'.')
    grid on;
    % =========================逆映射===========================
    bit_demod_sig = reshape(qamdemod(data_sig,16,'OutputType','bit'),[],1);
    bit_demod_mut = reshape(qamdemod(data_mut,16,'OutputType','bit'),[],1);
    % =========================误码率===========================
    error_bit_sig = sum(bit_demod_sig~=bit_sequence);
    error_bit_mut = sum(bit_demod_mut~=bit_sequence);
    error_rate_sig = error_bit_sig/bit_length;
    error_rate_mut = error_bit_mut/bit_length;
    rate = [rate; error_rate_sig error_rate_mut]
    % ==========================================================
    % ==========================================================
    function window=rcoswindow(alpha,bit_length)
        warning off;
        window = zeros(1,bit_length/2);
        t = 1:bit_length/2;
        T = bit_length/(2*(1+alpha));
        window(t) = 0.5*(1 - sin(pi/(2*alpha*T)*(t-T)));
        window(1:(1-alpha)*T) = 1;
        window=[fliplr(window) window]';
    end
    

    直接运行代码可以得到下面的结果
    在这里插入图片描述

    自己加个循环就可以得到误码率和信噪比的曲线了
    在这里插入图片描述

    展开全文
  • 服务器运行matlab代码

    千次阅读 2020-04-28 21:13:02
    远程服务器运行matlab代码 上传本地写好的代码,用Filezilla传到服务器数据对应的位置 putty登录服务器,进入到对应文件夹下,输入matlab,然后直接在命令行输入代码名,即可运行 用到的参考 ...

    远程服务器运行matlab代码

    1. 上传本地写好的代码,用Filezilla传到服务器数据对应的位置
    2. putty登录服务器,进入到对应文件夹下,输入matlab,然后直接在命令行输入代码名,即可运行
    3. 用到的参考
    展开全文
  • 详解遗传算法(含MATLAB代码

    万次阅读 多人点赞 2019-05-29 11:30:47
    目录 一、遗传算法概述 二、遗传算法的特点和应用 三、遗传算法的基本流程及实现技术 3.1 遗传算法的基本流程 3.2 遗传算法的实现技术 ...五、遗传算法编程实例(MATLAB) 一、遗传算法概述 遗传算法(...
  • 这是一个学习机器人避障算法的matlab仿真代码,直接下载运行就可以使用,备注非常详细,大家可以自定义避障地图,也可以更改参数实现不同的避障
  • matlab中关于程序运行的快捷键

    千次阅读 2019-05-13 09:58:03
    matlab中关于程序运行的快捷键 多行注释: 选中要注释的若干语句, 快捷键Ctrl+R 取消注释: 选中要取消注释的语句, 快捷键Ctrl+T 程序运行:F12 设置取消断点F5 运行整个程序F9 运行选中的部分程序 ...
  • 遗传算法 网络图的路径规划 MATLAB代码可直接运行遗传算法 网络图的路径规划 MATLAB代码可直接运行遗传算法 网络图的路径规划 MATLAB代码可直接运行
  • 非常完整的基于matlab的OFDM通信系统的仿真设计,包括编码,调制,IFFT,上下变频,高斯信道建模,FFT,PAPR抑制,各种同步,解调和解码等模块,并统括系统性能的仿真验证了系统设计的可靠性。可以正常运行代码...
  • 显著性检测 FT算法 可运行代码 matlab代码 代码简单
  • 本人在数学建模过程中撰写的matlab代码,完全可用,功能是利用BP神经网络对时间序列进行预测,内含matlab格式的数据,便于运行检验。
  • matlab代码 中值滤波

    2019-04-16 16:10:48
    matlab代码,中值滤波,比较简单,适合初学者使用,直接运行即可。
  • 此资源包括机械臂轨迹规划matlab仿真代码,包括多项式仿真、焊接轨迹等功能仿真,基于6自由度关节机器人,在matlab2012上已验证,可直接建立工程运行
  • 基于MATLAB的图像与视频处理实用案例,内涵源代码,可以直接用MATLAB打开运行
  • 一份白皮书,介绍了使用 VB 代码(在示例 Master.bas 文件中提供)调用任何 MATLAB 代码或从 PowerPoint 中运行任何 MATLAB 文件的简单工作流程。 只需按照说明编辑 .bas 文件,然后将其加载到您的 PowerPoint 中。 ...
  • CARS matlab 代码

    2019-03-29 16:16:51
    CARS的MATLAB代码,可以正确运行,有测试数据,和PLS结合的代码
  • mtcnn的matlab代码运行 2018旋转人脸检测 mtcnn demo.m是原始的mtcnn人脸检测 detect_RIP检测旋转人脸代码 本项目只训练了一个分类网络,其他数据都为测试评估用 代码运行环境caffe,matlab
  • 数字图像处理及MATLAB实现(第2版)每章配套图片和代码,主编杨杰

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 62,402
精华内容 24,960
关键字:

matlab怎么运行代码

matlab 订阅