包含emd分解代码，以及其改进算法eemd的代码，可以直接使用

针对现有煤矿旋转机械滚动轴承故障诊断方法存在信号有效特征提取不完全、故障诊断精度不高及效率低等问题，提出了一种基于小波包分解和粒子群优化BP神经网络的滚动轴承故障诊断方法。该方法包括信号特征提取和故障类型识别两部分：在信号特征提取部分，对采集的滚动轴承振动信号进行小波包分解，得到各子频带能量及信号总能量，经归一化处理后获得表征滚动轴承状态的特征向量；在故障类型识别部分，通过粒子群优化算法优化BP神经网络的初始权值和阈值，以加速网络收敛速度，避免陷入局部极小值。实验结果表明，该方法提高了滚动轴承故障诊断效率和准确率。

本文实例讲述了Python实现正整数分解质因数操作。分享给大家供大家参考，具体如下： 遇到一个Python编程练习题目：将一个正整数分解质因数。例如：输入90,打印出90=2*3*3*5。 #!/usr/bin/env python # -*- coding: utf-8 -*- def div_func(n): result = [] while True: for i in xrange(2, int(n**0.5) + 1): if n % i == 0: result.append(i) n /= i bre

图像模式识别svd（奇异值分解）算法及图像相似度计算delphi源代码.

信号分解EEMD方法，EEMD 方法作为一种信号分析技术，在研究信号的局部特征方面具有独特的优越性，非常适合处理非线性、非平稳信号.

总变异正则化最小二乘反卷积是最标准的图像处理问题之一。 该软件包使用增强拉格朗日 [1] 的概念提供了当前最先进算法的实现，可以将其视为广为人知的乘法器交替方向方法 (ADMM) 的变体。 deconvtv 的用户界面与当前 MATLAB 的反卷积工具相同，包括 deconvwnr、deconvlucy 和 deconvreg： out = deconvtv(img, psf, mu, opt); deconvtv 支持对图像和视频解卷积问题的直接时空处理。 deconvtv 的应用包括但不限于：图像和视频去模糊、图像和视频去噪、深度数据增强、热空气湍流稳定和多视图合成。 如需更多信息和引文，请参阅： [1] SH Chan、R. Khoshabeh、KB Gibson、PE Gill 和 TQ Nguyen，“用于全变分视频恢复的增强拉格朗日方法”，IEEE Trans。 图像

MP算法的改进 一种新的稀疏分解的方法 比MP算法更高效

为了提高水印技术的鲁棒性，提出了彩色图像离散小波变换（DWT）下的块奇异值分解（SVD）的零水印．首先对原始载体图像进行离散小波变换，然后选择低频子带进行分块，且对每一块进行奇异值分解，水印则由分解得到的最大前m个奇异值产生．实验结果表明，算法对各种攻击有较强的鲁棒性．

matlab分解求小波频带分布

2. 用LDLT分解求解方程组: x1+2x2+3x3 = -3 2x1+x2-2x3 = 10 3x1-2x2+x3 = 7