HHT变换的动画过程即EMD分解的全过程 可以更加直观的学习HHT变换，经本人亲测该程序在matlab中可完美运行

针对电力负荷数据的非线性和非平稳性特性，为提高短期电力负荷预测的精度，提出一种基于EMD-DA-LSSVM的短期用电负荷预测模型。首先，采用EMD分解短期电力负荷数据，获得互不耦合的IMF分量；其次，针对各IMF分量建立最优参数下的EMD-DA-LSSVM短期电力负荷预测模型，重构得到预测值。通过算法验证分析，与LSSVM、DA-LSSVM和EMD-LSSVM相比，EMD-DA-LSSVM模型具有更高的预测精度，短期电力负荷预测精度高达2.203%。

论文研究-基于EMD提取专家语言评价信息的群决策方法.pdf,  针对传统语言群决策方法在集成专家评价信息时所遇到的专家权重求取主观性大、方法无标准的问题, 提出一种基于经验模态分解(empirical mode decomposition, EMD)提取专家语言评价信息的群决策方法, 利用EMD方法适于分解非线性、非平稳信号数列的特点, 分解各专家对待决策事物做出的综合语言评价值, 得到各 专家所做评价值的客观趋势成分和主观随机成分, 以客观趋势成分的均值, 作为待决策事物的专家综合评价结果用于优选过程.相比于传统群决策理论中专家信息 的集成方式, 其由于不用求取专家权重而直接进行评价信息提取, 因此能更大限度地排除人为主观因素的影响, 使最终决策结果更加符合对客观事物的评价规律.

基于EMD和神经网络的时间序列预测.pdf

基于emd vmd的手势识别和特征提取算法 matlab

短文本聚类在数据挖掘中发挥着重要的作用,传统的短文本聚类模型存在维度高、数据稀疏和缺乏语义信息等问题,针对互联网短文本特征稀疏、语义存在奇异性和动态性而导致的短文本聚类性能较差的问题,提出了一种基于特征词向量的文本表示和基于特征词移动距离的短文本聚类算法。首先使用Skip-gram模型(Continuous Skip-gram Model)在大规模语料中训练得到表示特征词语义的词向量;然后利用欧式距离计算特征词相似度,引入EMD(Earth Mover's Distance)来计算短文本间的相似度;最后将其应用到Kmeans聚类算法中实现短文本聚类。在3个数据集上进行的评测结果表明,效果优于传统的聚类算法。

matlab关于emd的改进算法（emd,eemd,ceemd,ceemdan），亲测可用

变形监测数据处理是结构健康监测的一个重要内容。大型结构变形监测的数据往往表现出非线性、非平稳、含有强噪声及多种频率成分叠加的多尺度特征等特点。《希尔伯特-黄变换理论及其在重大工程变形监测中的应用》作者徐佳、麻凤基于理论分析、数值仿真、实验及现场监测等方法，对希尔伯特—黄(HHT)理论进行了系统研究，对基于EEMD滤波去噪特性及其在结构动态特性分析的模型建立等问题进行了分析；之后结合GPS动态监测数据处理、阜新海州露天矿边坡监测数据处理、GPS桥梁动态监测特性分析，以及基于地面微波雷达桥梁动态监测数据处理等实例，介绍了HHT在重大工程变形监测中的分析方法。 《希尔伯特-黄变换理论及其在重大工程变形监测中的应用》可供工程测量、土木工程、结构监测等领域的研究人员、工程技术人员和高等院校相关专业师生参考。

python emd算法 Earth Mover's Distance python emd算法 Earth Mover's Distance

【预测模型】基于emd-SVR实现数据预测matlab源码.zip