HERRORBAR 水平误差条形图。 HERRORBAR(X,Y,L,R) 使用由向量 L 和 R 指定的水平误差条绘制向量 X 与向量 Y 的关系图。L 和 R 包含 X 中每个点的左右误差范围。每个误差bar 是 L(i) + R(i) 长，并且在 (X,Y) 中的点的右侧和 R(i) 的距离上绘制了 L(i)。 向量 X、Y、L 和 R 的长度必须相同。 如果 X、Y、L 和 R 是矩阵，则每列生成一个单独的行。 HERRORBAR(X,Y,E) 或 HERRORBAR(Y,E) 用误差线 [XE X+E] 绘制 X。 HERRORBAR(...,'LineSpec') 使用字符串 'LineSpec' 指定的颜色和线型。 有关可能性，请参阅 PLOT。 例子： x = 1:10; y = 罪 (x); e = std(y)*ones(size(x)); herrorbar(x,y

长春理工误差理论与数据处理实验报告全

GM(1 n)matlab代码gFDM 填鬼有限差分法 gFDM 的核心代码是用 C++ 开发的。 一般函数都是用Matlab编写的。 gFDM 实现分为 4 个高级函数和 32 个低级私有函数。 所有函数都以“gfdm_”前缀文本开头。 图 1 说明了高级函数的管道，从 NET 预处理管道开始。 该方法支持包含可以处理各向同性和各向异性电导率定义的 CTI 地图。 管道分为 3 个步骤，即头部模型“gfdm_prepare_headmodel”程序用于计算刚度矩阵，“gfdm_prepare_elecs”程序用于检查电极位置并设置引线对计算，最后是正向求解程序“gfdm_precalculate_leads” “gfdm_calculate_pots”分别计算给定源空间的互易铅对电位和输出电位。 高级功能描述 图 1：网络头部建模 - gFDM 管道实现 gfdm_prepare_headmodel 计算稀疏刚度矩阵来求解线性系统。 该函数还找到包围头部体积的边界框，标记不包括空气的体素位置。 输出是一个结构，包括刚度矩阵和头部体积的边界框阵列。 gFDM 方法允许任意体素大小，矩形

软件介绍: 水准数据检查工具使用说明：1）.检测点文件为TXT格式，编码为ANSl，不能为UWICODE或UTF-8；2）.检测点数据格式每行点名YXH，以空格或逗号分隔：3）.粗差比例统计按大于2/2M计算（GB243564.3.3）1.验前单位权（一等2二等4三等12）已知点名高程值测段定位起点终点高差距离2.根据高差定位数据文件，生成EpsNas平差格式文件；3.平差计算、闭合差。起算点名必须与数据中点名一致，数据外点名不能出现4.尺长改正用一对尺米长平均常数计算（输入2次）5.PDA水准记录程序，一条路线产生文件包括*.SZ？、路线文件*DAT*.LXP，观测手薄*。XLS，检查报告*XLS，高差及概略高程表*XLS文件

阵列信号处理是当前信号处理的热门方向，为信号处理带来极大的方便，阵列信号处理中的各通道不一致问题将会给阵列信号处理带来影响，很多文献中介绍过关于自适应幅相误差校正的理论及方法，但实现起来都比较耗费资源和时间，且效果有待实践验证。提出一种工程上可实现且计算量较小的通道校正方法-查表法。通过仿真，结果表明此方法可以对特定来向的有用信号进行较为准确的校正。

针对有限差分算法在进行地震波数值模拟过程中的模拟精度问题,在进行广泛文献调研后,分析了国内外关于提高有限差分法模拟精度的进展研究,主要包括提高有限差分的阶数及改进离散方式2方面。论述了有限差分法与其他数值模拟方法的优缺点,指出了有限差分法具有占用内存小、计算量小且易于实现等诸多优点,并总结了有限差分法在进行数值模拟过程中存在的主要问题,包括震源函数、边界条件、频散问题以及稳定性分析。同时指出了有限差分法在地震波场模拟应用中的发展趋势。

计算真阳性的函数分数（TPF）、假阳性分数（FPF）、真分数（T）和假分数（F）、准确度、误差

学习笔记—《最大类间方差法》，本人在看论文的过程中涉及到了最大类间方差法，所以查找相关文献整理了一下，共享给大家！

基于ResNet残差神经网络的图像隐藏信息识别模型.zip 基于ResNet残差神经网络的图像隐藏信息识别模型.zip 基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于ResNet残差神经网络的图像隐藏信息识别模型.zip基于

Sqlserver、Oracle、MySql、PostgreSql、SqlLite常用数据库的对比 1、分页 2、时间函数 3、自增列 4、表名规范 5、字符串连接 6、变量定义 7、其它