B=最大成分(A) 此功能查找网络中最大的连接组件。 输入 A 是网络的邻接矩阵。 输出 B 是最大组件中的节点列表。 A（B，B）将给予调整。 最大分量的矩阵。

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)

（2）将序列表示成共轭对称分量和共轭反对称分量 有限长序列共轭对称分量的DFT等于序列DFT的实部； 有限长序列共轭反对称分量的DFT等于序列DFT的虚部乘j 。 五、DFT的共轭对称性

变异量子因式分解 介绍 该存储库包含Eric R. Anschuetz，Jonathan P. Olson，AlánAspuru-Guzik，Yudong Cao的文章“可变量子因式”中提出的算法的实现。 它在上。 代码中的符号直接指的是本文中的符号。 我讲了这个项目，这可能是一个很好的介绍。 您可以找到它并且幻灯片在presentation.pdf文件的此存储库中。 由于QAOA是算法的重要组成部分，因此，如果您不熟悉它，您可能会发现很有帮助。 要求 该项目严重依赖pyquil和grove库。 不幸的是，在我开发该项目时，发行版中存在一些对该项目至关重要的错误。 因此，我从源代码安装了它们： pyquil，提交sha： f22a851d5803e0a6aa73b236c25d28a5fcdb0116 格罗夫，commit-sha： dc6bf6ec63e8c435fe52b1e

eemd分解得到各阶imf分量对信号重构

通过电动机与滚动轴承之间建立的函数关系将振动信号转变成谐波分量,进而对谐波分量分析。对这种非平稳信号首先进行经验模态分析(EMD),然后通过改进LMS算法自适应滤波器分离噪音,最后再运用希尔伯特变换得到故障轴承频谱图。通过仿真实验证明该方法可以消除大部分的噪音和低频干扰,且易于实现,最终获得符合故障诊断要求的振动信号。

该脚本从2018年12月4日起从​​HYCOM Hindcast数据中下载点数据集的海流分量，以每3个小时显示一次。 由于此原因，此函数使用nctoolbox-1.1.3（Schilining等，2009），因此请记住在运行脚本之前加载工具箱的路径并进行设置。 作为输入，您应该手动提供点数据集的地理坐标，分析的时间跨度，深度，比例因子和缺失值。

带光流的SORT 扩展SORT的卡尔曼滤波器测量模型，以添加从“光流”中得出的速度分量。 这是我与德国航空航天中心合作完成的计算机科学学士学位论文的一部分。 尽管不用于行人跟踪，但可以评估该方法并将其与数据集一起使用。 基本思想可以概括为： 以边界框的形式获取感兴趣的区域，并检测该区域中的特征点。 计算检测到的特征点到框之前的光通量，以提供速度。 根据最低的马氏距离选择更新速度。 使用检测和/或速度更新轨道的卡尔曼滤波器。 为了检测特征点，我使用OpenCV ，稀疏光流的计算是通过OpenCV稳健局部光流（RLOF）的来完成的。 此实现在具有64GB RAM的AMD Ryzen7 3700X的数据集上以〜50FPS的速度运行，每个检测最多具有50个特征点，RLOF的设置为： useIlluminationModel = false ; useInitialFlow = f

JSC-G-10型高精度井中三分量磁测系统的研制pdf,JSC-G-10型高精度井中三分量磁测系统的研制

本文提出了应用改进的Fast-ICA算法进行电能质量检测的方法。快速ICA(独立分量分析:Independent Component Analysis)算法是目前非常流行的一种好算法。利用信号的高阶统计量快速准确地实现信号分离和恢复。