在研究脑电信号特性的基础上，提出了一种基于CEEMD-PE对脑电信号进行降噪的方法。完全集合经验模态分解（CEEMD）能够克服模态混叠的问题，因此，对脑电信号进行CEEMD分解，得到一组固有模态函数（IMF）分量，计算各个IMF分量的排列熵（PE）值，依据PE的值剔除基本为噪声的IMF分量，将降噪后的分量与保留的分量进行重构，得到降噪后的脑电信号。实验结果表明，用CEEMD-PE对脑电信号进行降噪，在抑制噪声的同时，还有效地保留了脑电信号的细节特性，去噪性能更好。
2021-11-05 16:02:06
1.54MB
1
改善EMD端点效应问题的处理方法研究，张斌，程珩，经验模态分解(EMD)是一种处理非线性、非平稳的数据分析方法, 但是在利用样条插值获得上下包络过程中存在着棘手的端点效应问题，该�
2021-11-04 17:51:17
363KB
1
在大数据时代，社交网络以及以社交为基础的互联网应用不断迅猛发展，其背后带来的是数据的 爆炸式增长。对用户数据的采集以及合理的推荐，成为了各大网站的重要课题。用户画像提取过程，是个性 化推荐的关键步骤。随着社交网络的快速发展，媒体类型不断丰富，用户参与门槛的不断降低。用户表达的 数据模态逐渐呈现多样，为用户画像提取提供了广阔空间。随着用户画像数量的不断递增，利用大数据技术， 有效的存储、计算用户画像，逐渐成为研究热点。本文首先介绍了相关的背景，然后介绍了基于大数据的用 户画像构建方法，并介绍了不同数据集中的用户画像的应用，最后本文对基于大数据的用户画像方法进行了 总结和展望，指明了该技术当前存在的问题与发展趋势。
2021-11-02 09:12:40
1.7MB