针对奇异值分解信号降噪方法中吸引子轨迹矩阵（Hankel矩阵）结构的确定，以及有效奇异值的选择两个关键问题，提出了一种基于遗传算法的奇异值分解信号去噪算法。首先，利用原始信号构造Hankel矩阵，运用遗传算法对矩阵结构进行优化，然后对含噪声信息的矩阵进行奇异值分解，最后通过K-medoids聚类算法确定有效奇异值个数，对有效奇异值和其对应的向量进行奇异值分解反变换，还原原始信号，达到去噪目的。通过仿真实验并与小波包变换、小波变换以及传统快速傅氏变换（FFT）去噪方法相比较，结果表明该算法具有良好的去噪效果。

Doolittle三角分解将线性方程组的系数矩阵分解为LR两个矩阵相乘的方法求解线性方程组，这里是源代码，经过了调试和运行，可以直接使用

张量入门级PPT，内部包括张量介绍，从基础入门到分解进阶，超级详细的PPT模板

小波分析入门 课程设计或者上机均可，很基础的哦~~

随着我国经济的飞速发展,能源过度消耗引起的环境问题日益严重,二氧化碳排放量的增加导致的温室效应成为我国乃至国际广泛关注的焦点。我国在2007年超过美国成为世界第一大碳排放国,根据哥本哈根气候谈判会议对发展中国家承担减排义务的要求,我国作出2020年相较2005年单位GDP二氧化碳排放量下降40%-45%的减排目标承诺。

多模块自动分割外接工具，

黄土时间序列的季节性分解 Seasonal-Trend-Loess（STL）算法将时间序列分解为季节，趋势和残差成分。 该算法使用（ 为原始论文）来平滑循环子序列（例如，下例中所示的CO 2数据中的所有January值）。 从信号中去除季节性之后，对余数进行平滑处理（分多个步骤）以找到趋势。 重复此过程，并可能包括利用Loess的加权最小二乘法基础进行的鲁棒性迭代，以消除异常值的影响。 详细信息在进行了描述。 stl-decomp-4j是可从获得的原始Ratfor / Fortran的Java端口（为；也包含在examples/StlPerfTest/fortran_benchmark ），已扩展为支持局部二次插值。 stl-decomp-4j期望间隔均匀的数据且没有缺失值，类似于原始的Fortran版本（以及和版本，它们都在后台使用原始的Fortran版本）。 查看了解TODO等。

在bemdtry读入图像即可完成bemd

使用一个链表接收输入矩阵，并对其进行LU分解，最后通过追赶法计算方程组的解。

（1）矩阵A拟上三角化 对于实矩阵A 做相似变换化为拟上三角阵，运用相关算法对A进行变换得到拟上三角阵，并存储在A中。 （2）拟上三角阵的QR分解 运用QR分解法对矩阵A进行QR分解，得到Q和R并且最终验证R* Q为一个拟上三角阵。 (3) 带双步位移的QR方法求A的特征值 通过带双步位移的QR方法对A进行分解，求出A的特征值。 （4）通过gauss消去法求A特征值对应的特征向量 运用guass消去法对（A-λI）X = 0 这个式子进行求解，得到特征向量。