- 博客(41)
- 资源 (23)
- 收藏
- 关注
RSS订阅
原创 Windows+Latex的环境配置
1.MikTex +TexStudio 配置论文写作环境MikTex会自动添加环境变量。TexStudio编辑器除了可以一边写文档一边预览外，还有一些缺失的第三方包会自动下载，省去很多麻烦。1.1 安装从官网下载MikTex 和 TexStudio 安装，安装选项默认即可，MikTex会自动添加环境变量。或者可以在链接：https://pan.baidu.com/s/1QqOyLeoUwhMZRSmb-mfFDw提取码：flqz下载安装。1.2配置安装完MikTex and TexStudi
2021-01-13 20:41:59
1523
1
原创 PCG-Decompositor
Soft Thresholding :https://blog.csdn.net/jbb0523/article/details/52103257
2020-11-03 16:07:57
295
原创 非负矩阵分解（Nonnegative Matrix Factorization(NMF)）
非负矩阵分解（Nonnegative Matrix Factorization(NMF)）由来：是由Lee and Seung 于1999年在自然杂志上提出的一种矩阵分解方法[1]。 目的：即NMF是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法 优点：(1):处理大规模数据更快更便捷；(2):简便性、分解形式和分解结构上的可解释性，以及占用存储空间少等诸多优点。 比较：(1):利用矩阵分解来解决实际问题的分析方法很多，如PCA(主成分分析)、ICA(独立成分分析 )、SVD( 奇异值分
2020-10-27 12:57:23
3027
1
原创 foetal phonocardiography (PCG) signal
Definition and understanding of fetal heart sound signalThe origin of the PCG signalFHS signalsAn algorithm for FHR estimation in this paper[1]The main process of this algorithmB1. Pre-processingB2. Filtering blockB2.1. Matched filteringB2.2. Set band-pass
2020-10-21 23:19:56
512
原创 随机信号的特征—（自相关函数\互相关函数、协方差矩阵、相关矩阵\相关系数矩阵\相关系数）
在学习概率统计之前，我学习的都是确定的函数。概率统计讨论了一次取值时获得的值是不确定的，而随机过程讨论了不确定会发生哪个时间函数。每个x(t)函数(样本函数)就是实际发生的一个表达式确定的函数，对每个x(t)的处理，都是与之前确定函数的处理方法相同的，但是由于我们没法确定某次究竟发生哪个确定表达式的x(t),所以我们只能研究发生哪种情况的概率大些，或者当这件事多次发生时，呈现出来的统计特性是什么。虽然每个x(t)的特性是不定的，但是x(t)的统计特性却是确定的，所以我们研究的还是变中的不变量。自相关函数
2020-05-31 16:15:12
12487
原创 基于小数据的人工智能应用（一次性学习的医学应用）//混沌人工智能
人工智能的两个不同的技术应用成果：一个是基于大数据的深度学习和增强学习方法，另一个是基于小数据的一次学习方法，我们也称个案学习方法，两种方法各有特色和应用场景。其实，从机器学习专业角度来讲，深度学习和增强学习以及一次学习都不是开创性的新方法，很早以前机器学习就有了类似的技术，只不过现在拥有了大数据，并且技术又有了新的发展，也取得了更良好的应用成果。深度学习是源于传统的神经网络技术，增强学习也是借鉴于早有的有关优化策略学习的一种奖惩学习技术，一次学习方法来源于早期基于个案的一次性学习方法。一次性学习的医学应
2020-05-24 21:19:12
607
原创 机器学习-ARIMA模型预测
ARIMA模型全称是自回归移动平均模型(Autoregressive Integrated Moving Average Model)，它是处理带有趋势、季节因素平稳随机项数据的模型。ARIMA的一般模型为ARIMA(p,d.q),称为差分自回归移动平均模型，AR是自回归，P为自回归项，MA为移动平均，q为移动平均项数，d为时间序列平稳时所做的差分次数。1.ARIMA模型的核心思想：ARIMA模型的核心思想是将预测对象随时间推移而形成的数据序列视为一个随机序列，以时间序列的自相关分析为基础，用一定的数据
2020-05-24 10:32:34
3298
3
原创 机器学习-时间序列(灰色系统预测模型)
机器学习的一个重要方向是序列模式探索，典型的序列模式探索包括时间序列分析和非时间序列分析。其中,大量的时间序列问题广泛分布在实现生活的许多领域中，对时间序列的分析我们也称之为趋势预测探索、更复杂的非平稳时间序列模型等。机器学习应用中，比较复杂的平稳时间序列模型、更复杂的非平稳时间序列模型等。机器学习应用中，比较常用的趋势预测探索方法有自回归平均移动模型(ARIMA)、灰色系统预测模型(GM)等。其中ARIMA模型多用于时间序列数量较多的趋势预测应用中，通常的数据量级为数十、数百、至数千；而GM模型多用于时间
2020-05-23 21:48:30
10716
2
原创 机器学习-分类和预测(logistic回归、支持向量机)
分类问题是通俗易懂的问题，分类技术是应用广泛的方法和手段。我们把分类和预测统称为推测。分类就是应用已知的一些属性数据去推测一个未知的离散型的属性数据，而这个被推测的属性数据的可取值是预先定义的。要很好地实现这种推测，就需要事先在已知的一些属性和未知的离散型属性之间建立一个有效的模型，即分类模型。可用于分类的算法有决策树、朴素贝叶斯分类、神经网络、logistic回归、支持向量机等。用于预测的模型的算法有，神经网络、支持向量机、广义非线性模型等。支持向量机：支持向量机(Support Vector Mac
2020-05-22 12:06:48
3524
原创 机器学习-关联规则(Apriori算法和FP-树频集算法)
1.关联规则世间万物普遍存在着联系，有些联系是我们知道的，比如说有些疾病有遗传问题、肺癌跟吸烟习惯有关联等。更多的联系是我们现在还未知的，需要我们去探索的。机器学习的关联规则算法，可以发现大量数据中项集之间有趣的未知联系。通过关联规则可以发现未知的、想象不到的联系。例如，药品于疗效之间的联系。某医药公司研究了一种治疗心脏病的药物，通过临床数据检验发现对于心脏病疗效不明显，但通过关联规则挖掘后发现对性功能疗效明显，服用此药的病例中有大量数据表明性功能改善，因此此药物最后用于治疗性功能障碍。本节将先后介绍关
2020-05-20 10:38:36
1227
原创 机器学习-特征抽取(主成分分析法/因子分析法/非负矩阵因子分解NMF算法)
1.特征抽取：特征抽取是机器学习中另一种十分有用的方法，它与特性选择不同，特征抽取是对数据的特征进行概括和总结，而特性选择则主要是对数据中的不同特征进行比较和选取。特征抽取是机器学习技术中的一个常用的方法，它是一个属性降维的过程，特征抽取实际上是变换属性。经变换了的属性，或特性，是原来属性集的线性合并。特征抽取会导致更小更精的一组属性。用特征抽取建立的模型可能是质量更好的，因为数据被更少的和更有意义的属性所描述。特征抽取将高维数据集映射到一个低维的数据集中。特征抽取对数据可视化是很有用的，当一个复杂的数
2020-05-18 10:13:12
4338
原创 机器学习-特性选择(线性相关法/相关因子SRCF算法/最小描述长度MDL算法)
1.特性选择特性选择：为特定的应用在不失去数据原有价值的基础上选择最小的属性子集，去除不相关和冗余的属性。特性选择用于在建立分类模型后，或者预测模型之前，对原始数据库进行预处理。本节将介绍特性选择的概念，特性选择的三个常用算法：线性相关算法，相关因子SRCF算法，以及最小描述长度MDL算法。1.1特性选择概念我们把被预测的那个属性称为目标变量(Target Variable),把用来预测目标变量值的属性称为预测变量(Predictor Variable)。特性选择，就是要考查数据库中的预测变量与目标变
2020-05-16 15:24:43
2688
原创 机器学习-密度聚类算法(DBSCAN)
1.密度聚类基于密度的聚类算法由于能够发现任意形状的聚类，识别数据集中的噪声点，可伸缩性好等特点，在许多领域有着重要的应用。密度算法概念：1）如果一个数据点周围足够稠密，也就是以这个点为中心，给定半径的邻域内的数据点足够多，密度大于密度阈值(用户指定的参数MinPts),则称这个数据点为核心数据点，否则为边界数据点。2）研究数据点之间的关系，如果p是一个核心数据点，q属性p的yita邻域，则称q是从p直接密度可达的。3）如果存在一条链{p1,p2,…,pi},满足p1=p,pi=q,pi直接密度可
2020-05-14 22:10:49
702
原创 机器学习技术-层次聚类算法(组平均)-综合层次聚类方法(BIRCH、CURE)
基于层次的聚类方法，是对给定的数据进行层次的分解，直到某种条件满足为止。首先将数据点组成一颗聚类树，根据层次，自底向上或是自顶向下分解。层次的方法可以分为凝聚的方法和分裂的方法。凝聚的方法，也称为自底向上的方法，初始时每个数据点都被看成是单独的一个簇，然后通过逐步合并相近的数据点或簇，形成越来越大的簇，直到所有的数据点都在一个簇中，或者达到某个终止条件为止。凝聚的方法：步骤1：用异常侦测等方法去离群点。为了提高凝聚方法的分类效率和优化分类效果，首先应用异常侦测等方法去离群点。我们通常采用基于概率分布
2020-05-14 21:16:14
3289
原创 机器学习技术-k均值划分聚类算法
1.聚类分析：聚类(Clustering)是将数据划分成群组(簇)的过程，根据数据本身的自然分布性质，数据变量之间存在着程度不同的相似性(亲疏关系)，按照一定的准则将相似的数据聚集成簇(Cluster)。很多机器学习算法可以分为有监督学习和无监督学习方法。有监督学习方法往往是由已知的结果信息来从数据中推导和验证数据中蕴含的某个能够导出结果的模型或规律。聚类与另一种类似的机器学习方法分类(Classification,)不同，聚类的类别取决于数据本身的自然特性，而分类的类别规则是预先定义好的。所以聚类属于无
2020-05-13 21:59:08
1963
原创 变量相关性的探索与 数据处理
1.依赖相关性y依赖于x的弱相关性，对于变量y来说，在其广泛的值域范围内，变量x在很大范围内的变化只是引起y的很小变化，我们说y依赖于x成弱相关性。反过来说，对于变量x,在变量y广泛的值域范围内，变量y在很小范围内的变化就引起x的巨大变化，我们说x依赖于y成强相关性。此时的相关性的强弱是有方向性的。2.变量空相关如果无论x变量如何变化，y变量都会在[a,b]区间内随机变化，则说明y与x可能成空相关的关系，此时a<=y<=b.y=f(x,z1)=f(x,z2),形成与Z轴平行的一个平面，就
2020-05-13 20:02:26
2069
原创 分数维度空间
分数维度是基于分形理论产生的。由于图形具有自相似性。我们观察几个不同维度数形体的自相似性。例如一维直线，给定一定长度的直线，然后按照2：1的比例缩小，再将两个缩小后的相同线段连接起来，构成的新线段与原线段大小和形状完全一样，按照分数维度计算公式：Df=lnK/lnL=ln2/LnL2=1,因此直线的豪斯道夫维度数为整数1；对于长方形来说，按照分数维度计算公式：Df=lnK/lnL=ln4/LnL2=2,因此长方形的豪斯道夫维度数为整数2；立方体的豪斯道夫维度数Df=lnK/lnL=ln8/LnL2=3,为整
2020-05-10 20:05:09
2550
原创 机器学习基础(1)-首发
1.数据的‘形状’1.1数据的‘形状’之一，大数据：在实践中，不单单是记录数据多的就是大数据，通常大数据是指数据量和数据维度均很大，数据形式很官方，如数字、文本、图像、声音等。大数据往往可能蕴含着丰富的规律和知识，所以在大数据之上应用机器学习就成了理所当然的活动了。1.2数据的‘形状’之二，小数据：相对于大数据，在实践中还会存在不少特殊情况。例如在医学上有些疾病极为少见，只出现几百例，甚至几十例就几乎是该病的总体了，我们称之为小数据。业务中需要对这些小数据进行深入分析和探索，以便挖掘出罕见的疾病特征，并
2020-05-09 16:49:03
416
原创 遗传算法(genetic algorithm)的GUI设计
遗传算法(genetic algorithm)是一类借鉴生物界的进化规律(适者生存、优胜劣汰遗传机制)演化而来的随机搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特定是直接结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已...
2020-05-07 21:59:33
859
原创 智能算法的GUI设计
人工神经网络(artificial neural networks,ANN)是由大量的、简单的处理单元(神经元)广泛地互相连接而形成的复杂网络系统，它反应了人脑功能的许多基本特征，是一个高度复杂的非线性动力学系统。遗传算法(Genetic Algorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优的方法。人工神经网络(ANN)是模...
2020-05-06 09:37:13
946
原创 matlab与Excel文件的数据交换
1.调用xlsfinfo函数获取文件信息在读取Excel目标文件前，可以通过xlsfinfo函数获取该文件的相关信息，为后续操作获得有效信息(例如文件类型、文件内部结构、相关的软件版本等)。[typ,desc,fmt]=xlsfinfo(filename);filename:用来指定目标文件的文件名和文件路径。typ:目标文件类型；desc:目标文件内部表名称(sheetname)fm...
2020-05-06 09:30:42
1112
原创 Matlab GUI的数据传递方式
在GUI编程中，主要工作是对callback函数的程序编写与调试。程序编写过程中，数据调用与传递是比较重要的，必须掌握，callback函数的调试主要在M文件中进行。1.全局变量运用global定义全局变量传递参数，适用于GUI内控件间以及不同的GUI间2....
2020-05-02 17:19:47
2610
原创 GUI控件及uimenu菜单
GUIDE界面由窗口、菜单、图标、按键、对话框和文本等各种图形对象组成的用户界面叫做图形用户界面(GUI)。它可以允许用户定制与matlab的交互方式，从而命令窗口不再是唯一与matlab的交互方式。用户通过鼠标或键盘选择、激活这些图形对象，使计算机产生某种动作或变化。GUIDE(graphical user interfaces development environment)是由窗口、光标、...
2020-04-26 19:04:12
1102
原创 matlab句柄图形对象
1.图形对象及其句柄matlab的图形对象包括计算机屏幕、图形窗口、坐标轴、用户菜单、用户空间、曲线、曲面、文字、图像、光源、区域块和方框。系统将每一个对象按树型结构组织起来。每个具体图形不必包含每个对象，但每个图形必须具备根对象和图形接口。matlab在创建每一个图形对象时，都会为该对象分配唯一的一个值，称其为图形对象句柄(Handle)。句柄是图形对象的唯一标识符，不同对象的句柄不可能重复...
2020-04-23 00:42:56
1031
原创 matlab 文件读取I/O操作
Matlab程序可以看作数据处理器，该处理器从外部源(文件，网络，磁盘等)读入数据，并将数据处理结果输出到指定设备(文件，网络，磁盘等)，即I/O操作，在matlab中提供了许多读取和写入文件的函数，通过这些函数可以控制I/O操作。利用save命令保存工作区域或工作区任何指定的文件，文件名为matlab.mat,mat文件可以通过load命令再次导入工作区。2.底层文件基本I/O操作matl...
2020-04-21 14:09:58
1164
原创 matlab三维图形显示与控制
1.颜色控制每个matlab图形窗口都有一个彩色矩阵图，一个colormap是由一个n*3的矩阵组成，矩阵中的每一行由0到1的随机数构成并定义了一种特殊的颜色，这些数定义了U(红)、G(绿)、B(蓝)颜色组合。可以通过改变colormap()中的参数得到不同颜色的曲面图形：colormap():设定图形的颜色colormap(pink):设定颜色为粉红色；colormap(copper):...
2020-04-19 22:44:41
7515
原创 matlab特殊的三维图形示例
柱状图是平时工作中经常用到的图形，它适用于对不同数据的比较，以及分析各个数据在总体中所占的比例；在matlab中用于绘制直方图的三维函数有bar3()用于绘制垂直方向的直方图、bar3h()用于绘制水平方向的直方图。它们都是以输入数据矩阵的每一列为一组数据，并以相同的颜色表示，把矩阵的行画在一起。例如：绘制柱状图：2.散点图：三维散点图绘制函数是scatter3.scatter3将三维空间...
2020-04-19 16:09:24
1539
原创 matlab三维图形绘制(1)
1.绘制三维图形时常用的命令函数如下：plot3:绘制三维曲线图形；stem3:绘制三维枝干图形；grid on:打开坐标网格；grid off:关闭坐标网格；hold:在原有图形上添加图形；hold on:保持当前图形窗口内容；hold off:解除当前保持状态；例子：当输入参数时向量(x,y,z)时，利用plot3(x,y,z)生成三维曲线。2.三维曲线图：plot3是基...
2020-04-16 21:00:07
6393
原创 Matlab特殊二维图形函数
1.条形图、水平条形图bar(x,y):表示在x指定的位置上绘y中每一个元素的条形图。例如：绘制垂直和水平直方图例子：绘制矩阵的直方图：例子：创建4个次级图形，显示不同条形的效果。2.面积图面积图将向量(或矩阵)y中的元素显示为一条或多条曲线，并填充每条曲线以下的面积。当y为矩阵时，曲线堆栈，显示每个x区间内每行元素对曲线总高度的贡献。绘制面积图通过调用area()函数实现，调用格...
2020-04-16 16:24:39
1787
原创 matlab二维图形的绘制2
2.axis函数在Matlab中，axis函数用于根据需要适当调整坐标轴，该函数调用格式有以下几种：1.axis([xmin xmax ymin ymax]):此函数将所画的x轴的大小范围限定在{xmin,xmax}之间，y轴的大小范围限定在{ymin,ymax}之间。2.axis(str):将坐标轴的状态设定为字符串参数str所指的状态。参数str是由一对单引号所包起来的字符串，它表明了将...
2020-04-16 09:52:15
733
原创 matlab二维图形的绘制1（数据可视化技术）
基本的二维绘图：plot函数是最基本的、最常用的绘图函数。用于绘制线性二维图。有多条曲线时，循环使用由坐标轴颜色顺序属性定义的颜色，以区别不同的曲线；之后再循环使用由坐标轴线型顺序定义的线型，以区别不同的曲线。它的多种语法格式如下：1.plot(Y):若Y是一维数组时，plot(Y)是把(i,X(i))各点顺序连接起来，其中i的取值范围从1到length(X);若Y是普通的二维数组时，相当于对...
2020-04-13 16:42:25
1764
原创 matlab中的数据结构
在Matlab中，结构是包含一组记录的数据类型，记录是存储在相应的字段中，结构的字段可以是任意一种类型的变量或者对象，结构类型的变量可以是一维的、二维的或者多维的数组，在访问结构类型数组的元素时，需要使用下标配合字段的形式。下表展现了元胞数组与结构数组的异同：内容元胞数组对象结构数组对象基本元素元胞结构基本索引全下标方式、单下标方式全下标方式、单下标方式...
2020-04-12 22:59:15
2162
1
原创 matlab的元胞数组
在Matlab中，元胞数组是一种特殊数据类型，可以将元胞数组看作一种无所不包的通用矩阵（广义矩阵），组成元胞数组的元素可以是任何一种数据类型的常数或常量。数据类型可以是字符串、双精度数、稀疏矩阵、元胞数组、结构或者其他matlab数据类型，每一个元胞数据可以是标量、向量、矩阵、N维数组，每一个元素可以具有不同的尺寸和内存空间，内容可以完全不同，元胞数组的元素叫做元胞，元胞数组的内存空间是动态分配...
2020-04-12 18:51:52
3420
原创 Matlab中的矩阵寻访与拼接
在Matlab中，寻访矩阵方法主要有：下标寻访、单元素寻访、多元素寻访。矩阵的拼接：两个或者两个以上的单位矩阵，按一定的方向进行连接，生成新的矩阵就是矩阵的拼接。矩阵的拼接是一种创建矩阵的特殊方法，区别在于基础元素是原始矩阵，目标是新的合并矩阵。矩阵的拼接分为按照水平方向拼接和按照垂直方向拼接两种
2020-04-06 16:39:00
1651
原创 matlab的一些内置函数
x=logspace(a,b):创建行向量x,第一个元素为10a10^{a}10a,最后一个元素为10b10^{b}10b,形成总数为50个元素的等比例数列。x=logspace(a,b,n):创建行向量x,第一个元素为10a10^{a}10a,最后一个元素为10b10^{b}10b,形成总数为n个元素的等比列数列。x=linspace(a,b):创建行向量x,第一个元素为a,组后一个元素为b...
2020-04-06 11:29:21
1187
原创 matlab中的函数类型
Matlab中的函数可以分为匿名函数、M文件主函数、嵌套函数、子函数、私有函数、和重载函数。匿名函数通常只是由一句很简单的声明语句组成，使用匿名函数的优点是不需要维护一个M文件。创建匿名函数的标准格式如下：F=@(input1,input2…)expr例如：function1=@(x)(x-2*x.^2) function2=@(x,y)(sin(x)-cos(y)) fun...
2020-04-05 16:41:09
1643
原创 单片机电子血压计原理与设计
本次设计采用的是示波器法：其信号采集端的原理图如下：本次设计使用的血压计传感器型号：MPS-3117-006GC本次使用的匀速放气阀型号：DS-JJE-01 8-10MMHG，听说可以用线性电磁阀，可控制放气速度。另外使用常用的气泵充气和常用的电磁阀用来快速放气。本次实验通过测振法实现舒张压和收缩压的测量。示波法，又称测振法，是通过建立收缩压Ps、舒张压Pd、平均压Pm与袖套压力波的...
2020-04-03 18:31:37
7768
2
转载 Latex 的基本语法
1.文本\排版：1.定版型：documentclass[A]{B}A: 1. 字体10pt(默认值)，11pt，12pt，例子：\documentclass[11pt]{article};2.纸张大小有几个，最常见的就是a4paper,letterpaper(默认值)，例子：\documentclass[a4paper]{article};3.单双面oneside(article,report(默认值)),twoside(book(默认值)))，例子：\documentclass[twoside]
2021-01-17 22:32:12
12288
1
原创 微弱信号滤波
对于噪声中的信号检测，通常会涉及三个方面：信号滤波、信号判决、信号参量估计。信号滤波是信号处理中经常采用的方法，主要是从被噪声污染的信号中恢复信号波形；信号判决主要是解决从强干扰噪声中发现和分辨微弱信号的问题，即判断噪声中有无信号的问题；信号参量估计是关于噪声中信号未知参量的测量问题，是在肯定信号存在的情况下计算信号的参数。微弱信号滤波问题：1.匹配滤波器2.维纳滤波器3.卡尔曼滤波器4.自适应噪声抵消滤波器（希望滤波器能够自动适应系统或周围环境的变化，则需要滤波器的参数可以随时间做些简单的变化。
2020-07-16 20:28:51
1563
GUI实现BP神经网络.zip
2020-05-08
BP(神经网络在函数逼近中的应用).m
2020-05-06
Handle(句柄图形对象).m
2020-04-23
DataThreeDimVisulization3.m
2020-04-19
DataThreeDimVisulization2.m
2020-04-19
DataThreeDimVisulization.m
2020-04-16
ssim(结构相似性).zip
2020-03-31
shannon.zip
2020-03-31
space_frequency.zip
2020-03-31
relatively_warp.zip
2020-03-31
PeakSignaltoNoiseRatio.zip
2020-03-31
cross_entropy.zip
2020-03-31
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人