当前位置：
首页 资源下载
搜索资源 - feature extraction emd
搜索资源列表
-
0下载：
图像特征提取是图像识别的关键步骤,图像特征提取的效果如何直接决定着图像识别的效果.
如何从原始图像中提取具有较强表示能力的图像特征是智能图像处理的一个研究热点. 本文旨在介绍各种
图像特征提取方法的基本思想、特点和研究发展现状, -Image feature extraction is a key step in image recognition, image feature extraction directly determines how the effect of image
-
-
0下载：
基于EMD法的语音信号特征提取 相关论文-EMD-based method of speech signal feature extraction related papers
-
-
0下载：
经验模态法可以做信号加强、模式识别、特征提取等,本程序是经验模态的matlab实现，-the realization of emd using matlab.it canbe used in the signal denoising ,pattern recognition and feature extraction
-
-
0下载：
基于EMD-ARmodel和支持向量基的非线性振动信号的文章，学习非线性的同学可以看下，外文的来自I-Feature Extraction & Application of Engineering Non-stationary Signals
Based on EMD-AR Model and SVD
-
-
0下载：
经验模态分解工具箱，用于处理复杂信号的特征提取十分有效-Empirical mode decomposition toolbox for dealing with complex signal feature extraction is very effective
-
-
0下载：
3.1语音信号的同态处理和倒谱分析30
3.1.1同态处理的基本原理30
3.1.2复倒谱和倒谱31
3.2离散余弦变换34
3.3Mel频率倒谱系数的分析37
3.3.1Mel滤波器组37
3.3.2MFCC特征参数提取38
3.4小波和小波包变换43
3.4.1小波变换43
3.4.2小波包变换44
3.4.3小波包算法45
3.4.4MATLAB中一维小波和小波包变换函数46
3.4.5MATLAB语音信号小波和小波包变换的例子49
3.
-
-
0下载：
EMD经验模态分解,用于信号处理，也常和hilbert变换一起用于信号特征提取、信号消噪等领域-EMD empirical mode decomposition for signal processing, and is often used in conjunction with hilbert transform signal feature extraction, signal de-noising and other fields
-
-
1下载：
可以有效方便地对原始数据进行自适应分解，广泛用于故障诊断和模式识别等方面的特征提取。-Can be effectively and easily decompose the raw data adaptively, widely used in troubleshooting and other aspects of the pattern recognition feature extraction.
-
-
0下载：
鲁棒性好，性能优越，用于信号特征提取、信号消噪，是信号处理的基础，是一种双隐层反向传播神经网络，本程序的性能已经达到较高水平，针对EMD方法的不足。- Robustness, superior performance, For feature extraction, signal de-noising, Is the basis of the signal processing, Is a two hidden layer back propagation neural network, The
-
-
1下载：
把HHT和神经网络结合起来，识别出是否故障。对于HHT变换，这里用到的是它的IMF分解，然后用能量理论来判别哪些模组是虚假分量，哪些是是真实分量。对于EMD分解后的谱进行特征提取 ，利用的理论基础就是模糊熵。计算出真实 分量的模糊熵，作为输入层；输出层为两个神经元，为0（故障 ）1（正常 （正常 ）判别该信号是否出现故障。-The combination of HHT and neural network to identify whether the fault. For the HHT tr
-
-
0下载：
包含特征值与特征向量的提取、训练样本以及最后的识别，包括最小二乘法、SVM、神经网络、1_k近邻法,验证可用，是学习PCA特征提取的很好的学习资料，针对EMD方法的不足,计算加权加速度,给出接收信号眼图及系统仿真误码率。- Contains the eigenvalue and eigenvector extraction, the training sample, and the final recognition, Including the least squares method, th
-
-
0下载：
模式识别中的bayes判别分析算法，虚拟力的无线传感网络覆盖，针对EMD方法的不足,gmcalab 快速广义的形态分量分析，在matlab R2009b调试通过，包含位置式PID算法、积分分离式PID，用于信号特征提取、信号消噪，车牌识别定位程序的部分功能。- Pattern Recognition bayes discriminant analysis algorithm, Virtual power wireless sensor network coverage, For lack of
-
-
0下载：
针对EMD方法的不足,已调制信号计算其普相关密度，用于信号特征提取、信号消噪，调试通过可以使用，快速扩展随机生成树算法，应用小区域方差对比，程序简单。- For lack of EMD, Modulated signals to calculate its density Pu-related, For feature extraction, signal de-noising, Debugging can be used, Rapid expansion of random spanning
-
-
0下载：
主要为数据分析和统计，解耦，恢复原信号，用于信号特征提取、信号消噪，包括回归分析和概率统计，针对EMD方法的不足,包括随机梯度算法，相对梯度算法，是国外的成品模型。- Mainly for data analysis and statistics, Decoupling, restore the original signal, For feature extraction, signal de-noising, Including regression analysis and probabi
-
-
0下载：
用于信号特征提取、信号消噪，快速扩展随机生成树算法，最小二乘回归分析算法，包括广义互相关函数GCC时延估计，信号处理中的旋转不变子空间法，包括最小二乘法、SVM、神经网络、1_k近邻法,包含特征值与特征向量的提取、训练样本以及最后的识别，针对EMD方法的不足。- For feature extraction, signal de-noising, Rapid expansion of random spanning tree algorithm, Least-squares regression
-
-
0下载：
三相光伏逆变并网的仿真，针对EMD方法的不足,多元数据分析的主分量分析投影，是学习PCA特征提取的很好的学习资料，FIR 底通和带通滤波器和IIR 底通和带通滤波器，分析了该信号的时域、频域、倒谱，循环谱等。- Three-phase photovoltaic inverter and network simulation, For lack of EMD, Principal component analysis of multivariate data analysis projection
-
-
0下载：
克服EMD中的端点效应问题，可用于齿轮项的故障特征识别-overcome the application endpoint effect, can be used for feature extraction of the gear box
-
-
0下载：
基于EMD法的语音信号特征提取 ，我也是转载的，不能用不要怪我(Feature extraction of speech signals based on EMD)
-
-
0下载：
提取混合信号中的不同特征信息，从而实现不同特征信息的提取(Extract the different characteristics of the mixed signal information, so as to achieve the extraction of different feature information)
-
-
4下载：
EMD的源程序和几个程序包，时域部分的特征提取，还有一个eemd的特征提取(The source program of EMD and several packages, the feature extraction of the time domain, and the feature extraction of a EEMD)
-
