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。

内含数据集以及源码以及教程

正弦信号的matlab代码SiTraNo（正+瞬态+噪声） 一个MATLAB应用程序，用于音频信号的音调-瞬态噪声分解。 使用Matlab 2020b中的App Designer开发。 L. Fierro和V.Välimäki。 “ SiTraNo：用于音频信号的音调-瞬态噪声分解的MATLAB应用程序” 。 提交给2021年在奥地利维也纳举行的数字音频效果（DAFx）会议。 抽象的 将声音分解为音调，瞬态和噪声成分是一个活跃的研究主题，也是音频处理中广泛使用的工具。 近年来，已经提出了多种解决方案，使用时频表示来识别声音声谱图中的水平和垂直结构或方向和各向异性。 这就是SiTraNo：一个易于使用的MATLAB应用程序，带有用于音频分解的图形用户界面，可分别进行可视化和音调，瞬态和噪声类别的访问。 该应用程序允许用户在生成所需的输出文件之前，在不同的众所周知的分离方法之间进行选择，以分析输入的声音文件，即时控制和重新混合其频谱分量以及直观地检查分解的质量。 SiTraNo中很容易看到常见工件的可视化，例如小鸟和遗落物。 此应用程序希望通过观察每个频谱分量对原始声音的变化影响，并通过相

此函数计算最小化 norm(bA*x) 的 n 维列向量 x， 其中A是m×n系数矩阵，b是m维右侧列向量（m >> n）。

代码构建了两阶段鲁棒优化模型，并用文档中的相对简单的算例，进行benders分解算法的验证，此篇文献是benders分解算法的入门级

Excel模板-大学分解校发汇总表.rar