主要是由2006年发表的文章-A Multiobjective Evolutionary Algorithm Based on Decomposition 中文翻译版本，需要自取

VMD算法，里面有使用测试代码。分解效果比EMD好，可以抑制模态混叠现象。VMD的分解原理不同于EMD，它是将原始信号引入到变分模型中，利用寻找约束变分模型最优解的过程来获取分量。VMD极大地克服了EMD的模态混叠现象，具有较好的噪声鲁棒性，已被广泛应用到多个领域中。

含有emd eemd ceemdan函数，MATLAB软件，可直接调用，主要用于去噪和降噪。EMD，经验模态分解(EMD Empirical Mode Decomposition )算法是Hilbert-Huang变换(HHT)的核心算法。

2014年的算法，不是SSA和SVD

可以对动力装置特征信号进行提取，经验模态分解算法 EMD-IMF 特征值分解

局部均值分解算法，用于多分量信号的自适应分解，用于脑电信号处理、故障诊断等方面。局部均值分解算法，用于多分量信号的自适应分解，用于脑电信号处理、故障诊断等方面。 (LMD method)局部均值分解算法，用于多分量信号的自适应分解，用于脑电信号处理、故障诊断等方面。 (LMD method)

该资源包中含有两篇比较好的多项式因式分解算法相关论文，和一个有关牛顿插值的PPT，其中衷仁宝教授的论文：一个在Z_x_上多项式因式分解算法_衷仁保.caj我通读了，并认为写的很好，不愧是大家。并由在文档中附有注释方便学习。友情提示：请使用CAJViewer7.2打开.caj文档。

K-shell 分解方法给出了节点重要性的一种粗粒化的划分。 其基本思想如下，假设边缘节点的 K-shell值为 1，然后往内一层层进入网络的核心，先去除网络 中度值等于 1 的所有节点以及连边。 若剩下的节点里面，仍有度值等于 1 的节点，则重复上述操作，即去除这些节点和连边，直至所有节点的度值都大于 1，把这些去除的节点的 K-shell 值记为 1，也就是说这些节点均处于 ks 值为 1 的层。 然后依次去除度值小于或等于k 的节点及连边（k 为整数，k≥2），直到所有的节点都有对应的 ks 值为止。

emd程序，可用于信号处理，信号去躁，emd程序，可用于信号处理，信号去躁emd程序，可用于信号处理，信号去躁emd程序，可用于信号处理，信号去躁emd程序，可用于信号处理，信号去躁emd程序，可用于信号处理，信号去躁emd程序，可用于信号处理，信号去躁emd程序，可用于信号处理，信号去躁emd程序，可用于信号处理，信号去躁emd程序，可用于信号处理，信号去躁emd程序，可用于信号处理，信号去躁emd程序，可用于信号处理，信号去躁

多目标分解算法代码，配合张庆福06年发的文章看，MATLAB实现注释很详细