擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。

python课程设计大作业基于知识图谱的问答系统源码。里面含有项目的详细介绍和部署文档，按图索骥即可完成项目； 源码中有五个文件夹，如下所示： 1. Kbqa-website-deploy：项目部署所需内容； 2. buildQAModule：问答模块构建源码； 3. buildKnowledgeGraph：知识图谱构建源码； 4. buildFrontendWebsite：前端项目构建源码； 5. buildBackendService：后端项目构建源码。

通过周期图法、自相关法、自协方差法、改进的自协方差法、Burg法进行功率谱估计。

可直接运行 MATLAB信号处理 频谱分析加汉宁窗函数 源代码程序.rar

该项目是基于医疗领域知识图谱的问答系统。

歌曲数据集：内含xml乐谱，纯自己手打可以作为乐谱相关的研究

中文乐谱数据集内含几百首乐谱格式为xml可以作为歌声合成的数据集.zip

乐曲生成器（和弦版），在旋律的基础上加入了和弦。使得生成的乐曲听起来更舒服。 可以选择乐器音色，选择五言绝句、七言绝句、五言律诗、七言律诗、长短句等体裁。 可保存简谱。在win10系统中运行。

为实现玉米种子含水率(MC)的精确、快速、无损检测, 消除种子放置方式(胚部朝上/下)的影响, 基于高光谱成像和图像处理技术, 结合变量筛选法, 针对玉米种子正反面放置的不同分别建立对应的MC预测模型。分别采集种子正、反两面高光谱图像, 提取质心区域光谱数据, 采用竞争性自适应重加权变量选择算法筛选特征波段, 建立对应的MC预测模型。对比图像不同部位光谱曲线变化趋势, 挑选4个特征波段(1104, 1304, 1454, 1751 nm)进行波段运算获取种子正、反面信息及质心位置。依据正、反面检测结果, 自主选择对应的MC预测模型对45个验证集样本进行含水率检测。结果表明, 使用波段运算正、反面识别率分别为97.8%、100%; 正、反两面验证集相关系数分别为0.969, 0.946, 均方根误差分别为0.464%, 0.616%。该研究为使用多光谱成像技术实现玉米种子MC的快速无损自动化检测奠定基础。

帧差法 高斯混合模型