计算 Newey-West 调整的异方差序列一致标准误差。 允许选择滞后长度或（默认情况下）根据 Newey-West(1994) 插件程序选择最佳滞后长度。

Sensirion_SDP6x_pressure_sens Arduino库可从Sensirion SDP600系列低压传感器读取压力差。 （使用I2C线库） 在哪里购买传感器： 联系或查看 使用文件 将所有三个文件保存到名为SDP6x的文件夹中。使用Arduino打开SDP6.ino文件（IDE也称为arduino编码程序）选择正确的Arduino设备并端口上载并欣赏。 使用串行监视器（或Ctrl + Shft + M）查看输出 使用I2C SDP600系列传感器在3.3V电压下运行！！ 不是5 不用担心I2C的酷事是，只要任何连接的设备（在这种情况下，传感器的电压为3.3v）的最低电压都高于Arduino的HIGH电平（〜2.5V），那么就可以连接I2C了。传感器连接到3.3V引脚，并使用3.3V作为I2C的电压。 这意味着您可以在较高电压的Arduino上使用较低电压的传感器

为了对低速移动的声源目标进行较高实时性的方向跟踪，把四元声传感器面阵分为两个二元线阵，分别对目标进行测向，然后融合两组测量结果，给出了目标方位角的计算公式。根据线阵在被跟踪目标方位角不同时测向精度的不同，用加权因子增加较高精度的线阵测量结果的影响，降低误差较大的线阵测量结果的影响。该算法可对传感器阵列所在平面内任意方位的声源快速进行测向，完成一次测向只需对两对时间采样序列分别进行互相关运算，并可获得较高的定向精度，通过实验验证了该算法的精度和有效性。

matlab fcm函数代码DPPCA网 介绍 DPPCANet是一种用于不平衡多时相合成Kong径雷达图像变化检测的鲁棒深度学习方法，主要包括：1）生成差异图； 2）并行FCM聚类，以提供训练样本伪标签； 3）基于采样的PCANet + SVM模型构建过采样和欠采样的像素分类。 要求 MATLAB 2018a 功能 加权池卷积： I_wp = WP(I,k) 生成对数比图像： I_lr = di_gen(I_1,I_2) 累积加权池： T是累积时间 M = Normalized(matrix)是一种鲁棒的归一化方法。 输入矩阵中值最高的50个元素的平均值是上限，而值最低的50个元素的平均值是下限。 矩阵是软归一化的。 DDI = Normalized(CWP(I_ori,T)) Gabor小波变换特征提取： [f1,f_1] = Gabor_fea(I_map) 并行聚类：两组映射的DDI I_map1，I_map2和Gabor特征向量f_1和f_2 im_lab = paralleclustering(f_1,I_map1,f_2,I_map2) FCM： [center, U,

CNNvsNN_Digit_recognizer 进行该项目的目的是在通用数据集上比较卷积神经网络（CNN）和常规神经网络（NN）的性能差异。

色谱法_模拟_Python 色谱方程的有限差分求解器 该项目提供了功能和使用输运弥散模型模拟多个组件色谱的示例，并支持Hery，Langmuir和SMA作为组件的等温线模型。 使用一维有限差分Euler foward方法，使用numpy进行更快的计算，使用matplotlib进行可视化。 作为边界条件，在入口处使用狄利克雷式，在出口处使用纽曼式进行浓度

PointNet2用于3D点云的语义分割 马蒂厄·奥罕（Mathieu Orhan）和纪尧姆·迪基瑟（Guillaume Dekeyser）着（巴黎桥和歌剧院，2018年，巴黎）。 介绍 这个项目是PointNet2的学生分支，由斯坦福大学的Charles R. Qi，Li（Eric）Yi，Hao Su，Leonidas J. Guibas提供。 有关详细信息，您可以参考原始的PointNet2论文和代码（ ）。 该分支专注于语义分割，目的是比较三个数据集：Scannet，Semantic-8和Bertrand Le Sa​​ux空中LIDAR数据集。 为此，我们清理，记录，重构和改进原始项目。 稍后，我们将把相同的数据集与另一个最新的语义分割项目SnapNet进行比较。 相关性和数据 我们使用3 GTX Titan Black和GTX Titan X在Ubuntu 16.04上工作。

流体力学中广泛应用的差分格式源代码

Fortran 数值计算

通常为分析信号的整个部分计算平均值或标准偏差。 然而，有时我们想知道这些数量在数据流中是如何变化的。 MEANSTDF 使用用户定义的窗口为每个数据位置计算预期的平均值和标准偏差值。 输出在非线性去趋势或平稳性分析时很有用。