非线性滤波框架（nef）,包括了 EKF,UKF,DDF1 DDF2,CDF,迭代滤波器,随机积分滤波器, 组合滤波器, 集合卡尔曼滤波, 高斯和滤波，粒子滤波，自回归最小二乘方法-nonlinear estimation framework (NEF) toolbox A. Implemeted local estimation techniques： a1. (extended) Kalman filter a2. Unscented Kalman filter a3.

创建你的第一个贝叶斯网络 手工创建一个模型 从一个文件加载一个模型 使用 GUI 创建一个模型 推断 处理边缘分布 处理联合分布 虚拟证据 最或然率解释 条件概率分布 列表（多项式）节点 Noisy-or 节点 其它（噪音）确定性节点 Softmax（多项式 分对数）节点 神经网络节点 根节点 高斯节点 广义线性模型节点 分类 / 回归树节点 其它连续分布 CPD 类型摘要 模型举例 高斯混合模型 PCA、ICA等 专家系统的混合 专家系统的分等级混合 QMR 条件高斯模型 其它混合模型 参数学

针对稳健高斯回归滤波器运行速度过慢的问题，利用截断高斯权函数的快速卷积提高了算法 运行速度。在详细分析稳健高斯回归滤波器和卷积函数的基础上，推导了截断高斯权函数，并通过实验 确定了合适的参数值。(convolution of the truncated Gauss weight function is used to improve the algorithm. Running speed. Based on the detailed analysis of the robust Gauss r

计算表面粗糙度，可以选择高斯滤波、稳健高斯回归滤波，Ra、Rz、Rt(surface roughness Gaussian filtering and robust Gaussian regression filtering were selected)