在监测高速列车转向架工作状态时，针对列车运动自由度数目多、不同监测点数据相关性强的特点，提出了多元经验模态分解和排列熵相结合的故障特征提取方法。首先利用多元经验模态分解对高速列车转向架7种不同工况的振动信号进行多通道同步联合分析，获取不同数据通道间的共同模式。利用相关系数选取反映故障信号特征的有效本征模态函数来重构原始故障信号，计算重构信号的排列熵作为故障特征。最后采用支持向量机进行故障状态分类识别。实验结果表明，列车在各种运行速度下均能达到85%以上的分类效果，验证了该方法的有效性。
2022-08-21 00:19:42
414KB
1
一行代码快速实现特征提取！
理论讲解：https://blog.csdn.net/fengzhuqiaoqiu/article/details/124979190?spm=1001.2014.3001.5501
function fea = genFeatureEn(data,featureNamesCell,options)
% 特征提取函数
% 输入：
% data：待特征提取的时域信号，可以是二维数据，行列方向不可出错
% options：其他设置，使用结构体的方式导入。
% featureNamesCell：拟进行特征提取的特征名称，该变量为cell类型，其中包含的特征名称为字符串，特征名称需要在下边列表中：
% 目前支持的特征（2022.7.10，共8种）：
% psdE：功率谱熵
% svdpE：奇异谱熵
% eE：能量熵
% ApEn：近似熵
% SampleEn：样本熵
% FuzzyEn：模糊熵
% PerEn：排列熵
% enveEn：包络熵
2022-07-22 18:25:57
16KB
1
％ 句法% "b = allperm(n)" 生成序列 [1:n] 的所有排列。 % ％ 输入 ： % n : 序列中最大的数字% ％ 输出 ： % b : 输出为元胞数组% % 示例 1。 % b = allperm(2) ％b = % {[1 2],[2 1]} % % 例 2。 % b = allperm(3) % b = % {[1 2 3],[1 3 2],[2 1 3],[2 3 1],[3 1 2],[3 2 1]} % % 顺序可能不同% % 编程者： % - 桑迪普·索兰基% - rtm_sandeep@rediffmail.com
2022-07-22 09:22:35
1KB
1
在线扫描，批量连接在线电脑，批量关闭，批量添加主机，最小化，最大化，自动排列屏幕窗口，可以设置列数，行数，适合游戏工作室，
2022-07-20 18:04:58
1.94MB
1
torchtext的使用总结，并结合Pytorch实现LSTM
版本说明
PyTorch版本：0.4.1
火炬文字：0.2.3
python：3.6
文件说明
Test-Dataset.ipynb Test-Dataset.py使用torchtext进行文本预处理的笔记本和py版。
Test-Dataset2.ipynb使用Keras和PyTorch进行数据集进行文本预处理。
Language-Model.ipynb使用gensim加载预训练的词向量，并使用PyTorch实现语言模型。
使用说明
分别提供了笔记本版本和标准py文件版本。
从零开始逐步实现了torchtext文本预处理，
2022-07-20 01:38:55
43KB
1
IOS应用源码之在text View上可进行html样式任意文字排列的组件 .rar
2022-07-11 09:09:42
351KB
ti-idf算法，实现对英文文档的检索，把多篇文档中的词（英文单词），按照权值从小到大进行排列-ti-idf算法
2022-07-09 09:08:56
369KB