一维信号的二级小波变换分解
2级近似分解 （原始信号每4个平均值）
2级细节分解 （原始信号每2个平均的差值）
1级细节分解 （原始信号单数和双数的差值）
恢复信号
2023-01-07 21:55:58
1.52MB
1
用传统最小二乘法及其改进方法进行谐波状态估计时,大都是对谐波进行非同步测量,然后求解一个大型的超定线性方程组,其估计精度不足、计算量大、状态量测量数目多且费用昂贵。提出一种基于同步相量测量的谐波状态估计,并用复数奇异值分解求解病态线性复变量方程组的方法,可在系统状态非完全可观的情况下进行有效估计,降低了对测量冗余的要求。以IEEE30节点系统为例,采用同步测量方法测量支路的谐波电流和节点的谐波电压,分别用Matlab和基于奇异值分解(SVD)的最小二乘估计程序进行仿真。结果表明,用SVD算法对系统进行谐波状态估计时较为准确。
2023-01-07 20:09:47
389KB
1
结合二维离散小波变换（2DDWT）和二维非负矩阵分解（2DNMF）两者的优点, 提出了一种新的人脸识别融合算法2DDWT 2DNMF。首先利用小波变换把人脸图像分解成四个子块频带区域, 并对三个高频子块进行图像融合, 然后对低频子块和融合图像进行二维非负矩阵分解以提取特征, 进而对特征数据进行加权处理。ORL和YALE人脸数据库中的识别实验表明, 与PCA、SVD、NMF以及2DDWT NMF算法相比, 新融合算法能有效缩短训练时间和提高识别率。
2023-01-06 13:33:51
1.28MB
1
矩阵的QR分解
在MATLAB中，QR分解可由函数qr实现。常用的调用格式如下：
[B,C]=qr(A) 返回的矩阵C为上三角矩阵，矩阵B为满秩矩阵。
[Q,R,E] = qr(A) 返回的矩阵E是置换矩阵，矩阵R是上三角矩阵，矩阵Q是满秩矩阵。上述矩阵满足关系A*E = Q*R。
2023-01-05 19:19:08
1.98MB
1
Dmf_AttnDMF
深度矩阵分解模型 与 带注意力的深度矩阵分解模型
2023-01-05 16:49:03
326KB
1
PHM2012数据集，采用EMD分解对水平振动信号进行分解，得到IMF分量和残差Res，并计算其IMF分量和Res的11个统计特征。包括均值、均方根、能量、熵、方差、中位数、峭度、峰值因子、波长和两个三角函数特征(反正切标准差、反双曲正弦标准差)
2023-01-05 13:28:29
8KB
1
T3C_Toolbox_LYuan
该存储库提供了两种张量完成算法：张量训练加权优化（TTWOPT）和张量训练随机梯度下降（TTSGD），它们基于张量训练分解和基于梯度的优化方法。
[1]袁隆浩，赵启斌和曹建庭。 “通过张量-序列分解完成缺少条目的高阶张量数据。” 国际神经信息处理会议。 斯普林格（Cham），2017年
[2]袁龙浩，赵启斌和曹建庭。 “在张量-训练格式下通过基于梯度的优化完成高维张量。” arXiv预印本arXiv：1804.01983（2018）。
2023-01-03 17:11:03
2.09MB
1