信号处理
文章平均质量分 94
88号技师
这个作者很懒,什么都没留下…
展开
-
【SCI一区IEEE Trans,故障诊断新方法】模糊散布熵Fuzzy Dispersion Entropy及其5种多尺度系列-Matlab代码
散布熵的作者为解决散布熵中的问题,提出了,于2022年发表在一区顶级期刊IEEE Transactions on Fuzzy systems。本期推出。可用于分析一切时间序列中,如:电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波、心率、脑电、肌电、金融等等,您能想到的时间序列皆有可能。5种多尺度的理论知识在中、英文期刊都有很多,可以参考其他论文,本期不在赘述。原文作者在两个领域内的时间序列上验证了模糊散布熵的能力。:血压数据、癫痫发作和非癫痫发作脑电信号。原创 2024-06-18 10:28:59 · 958 阅读 · 0 评论 -
【90%人不知道的状态识别/故障诊断新方法】注意熵Attention Entropy及其5种多尺度熵-Matlab代码
可以不经过数据的分解或变换,直接度量数据的复杂度,可完成不同时间序列的分类。随机选择了5类状态(当然可以加入更多的状态),选用DE端的振动数据,暂且命名为正常,故障1,故障2,故障3,故障4。中,如:电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波等等,您能想到的时间序列皆有可能。计算每个样本的熵值(以上6种熵可随意切换),形成500*n的特征空间,将特征输入到后续的分类器中。3.文中有一些内容引自网络,会注明出处或引为参考文献,难免有未尽之处,如有不妥,请随时联系删改。原创 2024-06-13 10:57:53 · 672 阅读 · 0 评论 -
【全新首创,尚未发表】分数阶玻尔兹曼-香农交互熵及其多尺度系列,可用于故障诊断、状态检测、生信分析、机器学习等领域-Matlab代码
【一码解决】215种优化算法求解30个现实世界的工程设计优化问题,让你的论文增色10倍(附Python代码)example.m是示例文件,时间序列采用了神户(kobe)地震数据,调用5种熵的函数,可直接运行。和其他熵一样,前期将玻尔兹曼-香农交互熵扩展到多尺度,最新首创了4种多尺度熵(可以不经过数据的分解或变换,直接度量数据的复杂度,用于表征对应的时间序列,用于改进所有优化算法:21种混沌映射方法-混沌初始化(附matlab代码)21种混沌映射方法-混沌初始化,适用于所有优化算法。原创 2024-06-12 18:53:35 · 1132 阅读 · 0 评论 -
【故障诊断、状态识别发文新套路】Lempel-Ziv复杂度及其5种多尺度-Matlab代码
可用于分析一切时间序列中,如:电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波、心率、脑电、肌电、金融等等,您能想到的时间序列皆有可能。也可结合一些数据分解方法使用效果更佳。Lempel-Ziv复杂度(Lempel-Ziv complexity)在时间序列分析中存在重要的作用。Lempel-ziv复杂度是一种以符号序列表示一维时间序列的工具,以便对信号序列进行复杂度计算。可以不经过数据的分解或变换,直接度量数据的复杂度,用于表征对应的时间序列,关注,以算法名字搜索历史文章即可下载。原创 2024-06-07 16:26:14 · 680 阅读 · 0 评论 -
【尚未发表的故障诊断、状态识别新方法】玻尔兹曼-香农交互熵及其多尺度系列-Matlab代码
熵值理论分析在时间序列分析中存在重要的作用。基于可以不经过数据的分解或变换,直接度量数据的复杂度,用于表征对应的时间序列,。本期推出一种最新发表的熵--,该方法于最新发表在顶级SCI期刊Chaos上。非常非常新了,。和其他熵一样,。。原创 2024-06-07 16:24:52 · 1229 阅读 · 0 评论 -
【用于故障诊断、状态识别】玻尔兹曼-香农交互熵及其多尺度系列-Matlab代码
熵值理论分析在时间序列分析中存在重要的作用。基于可以不经过数据的分解或变换,直接度量数据的复杂度,用于表征对应的时间序列,。本期推出一种最新发表的熵--,该方法于最新发表在顶级SCI期刊Chaos上。非常非常新了,。和其他熵一样,。。原创 2024-06-03 10:02:44 · 517 阅读 · 0 评论 -
【发文新套路,小众且新颖的一维数据分析方法】Lempel-Ziv复杂度-Matlab代码
可用于分析一切时间序列中,如:电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波、心率、脑电、肌电、金融等等,您能想到的时间序列皆有可能。【一码解决】215种优化算法求解30个现实世界的工程设计优化问题,让你的论文增色10倍(附Python代码)Lempel-ziv复杂度是一种以符号序列表示一维时间序列的工具,以便对信号序列进行复杂度计算。可以不经过数据的分解或变换,直接度量数据的复杂度,用于表征对应的时间序列,用于改进所有优化算法:21种混沌映射方法-混沌初始化(附matlab代码)原创 2024-06-01 11:50:15 · 593 阅读 · 0 评论 -
【全新首创】分数阶玻尔兹曼-香农交互熵及其多尺度系列,可用于故障诊断、状态检测、生信分析、机器学习等领域-Matlab代码
【一码解决】215种优化算法求解30个现实世界的工程设计优化问题,让你的论文增色10倍(附Python代码)example.m是示例文件,时间序列采用了神户(kobe)地震数据,调用5种熵的函数,可直接运行。仅需一行,可改进所有优化算法:21种混沌映射方法-混沌初始化(附matlab代码)和其他熵一样,前期将玻尔兹曼-香农交互熵扩展到多尺度,最新首创了4种多尺度熵(可以不经过数据的分解或变换,直接度量数据的复杂度,用于表征对应的时间序列,【有经典,有最新】24种信号分解方法(附matlab代码)原创 2024-05-31 10:05:05 · 677 阅读 · 0 评论 -
【小众且新颖的一维数据分析方法】Lempel-Ziv复杂度-Matlab代码
可用于分析一切时间序列中,如:电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波、心率、脑电、肌电、金融等等,您能想到的时间序列皆有可能。【一码解决】215种优化算法求解30个现实世界的工程设计优化问题,让你的论文增色10倍(附Python代码)仅需一行,可改进所有优化算法:21种混沌映射方法-混沌初始化(附matlab代码)可以不经过数据的分解或变换,直接度量数据的复杂度,用于表征对应的时间序列,用于改进所有优化算法:21种混沌映射方法-混沌初始化(附matlab代码)原创 2024-05-31 10:02:37 · 710 阅读 · 0 评论 -
【样本不足?】基于马尔科夫链蒙特卡洛Markov Chain Monte Carlo,MCMC的数据生成方法(附Matlab免费代码)
人工智能作为当前最具革命性、颠覆性的技术之一,智能模型的强大性能源自于对高质量数据集的充足学习。然而,实际工程应用中,由于经济成本和人力成本的限制,获取变得极具挑战,造成了训练样本。数据增强方法为解决此类问题提供了简单但有效的思路。基于的数据增强方法,在学习复杂高维数据分布方面表现出了极其优越的性能,为解决数据问题提供了一个新视角。原创 2024-05-30 11:10:12 · 1017 阅读 · 1 评论 -
【史上最全,从经典到最新】24种信号分解方法(附matlab代码)
根据“没有免费的午餐”,。所以很多学者根据自身的专业问题需求,对基础优化算法进行了改进和提升,以期获得更为优秀的性能。同样,在信号处理领域,信号分解方法也有很多种。本文。原创 2024-05-29 09:41:31 · 1170 阅读 · 0 评论 -
【顶级SCI,全新原创】玻尔兹曼-香农交互熵及其多尺度系列-Matlab代码
熵值理论分析在时间序列分析中存在重要的作用。基于可以不经过数据的分解或变换,直接度量数据的复杂度,用于表征对应的时间序列,。本期推出一种最新发表的熵--,该方法于最新发表在顶级SCI期刊Chaos上。非常非常新了,。和其他熵一样,最新首创了以下4种多尺度熵可用于分析一切时间序列中,如:电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波、心率、脑电、肌电、金融等等,您能想到的时间序列皆有可能。发文章全凭眼疾手快,赶快应用到自己的研究领域吧。原创 2024-05-29 09:36:51 · 919 阅读 · 0 评论 -
VMD的参数优化:15种适应度函数,自由切换,以GWO为例,GWO-VMD,GWO方便替换成其他优化算法-matlab代码
第一种很常见,第二种却不多。前期介绍的4种适应度函数,使用的实在是太多太多了,确实新意不大。于是,许多研究者开始将目光转移,另辟蹊径,并提出了一系列新的适应度函数,发表在高水平EI和SCI期刊上。本期整理并复现了一些高水平EI、SCI期刊中的适应度函数,加上一些常规的适应度函数,原创 2024-05-26 10:15:12 · 252 阅读 · 0 评论 -
【源自一区IEEE Trans】模糊散布熵Fuzzy Dispersion Entropy及其5种多尺度系列-Matlab代码
散布熵的作者为解决散布熵中的问题,提出了,于2022年发表在一区顶级期刊IEEE Transactions on Fuzzy systems。本期推出。可用于分析一切时间序列中,如:电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波、心率、脑电、肌电、金融等等,您能想到的时间序列皆有可能。5种多尺度的理论知识在中、英文期刊都有很多,可以参考其他论文,本期不在赘述。原文作者在两个领域内的时间序列上验证了模糊散布熵的能力。:血压数据、癫痫发作和非癫痫发作脑电信号。原创 2024-05-24 16:27:04 · 1034 阅读 · 0 评论 -
【最全】VMD的参数优化:15种适应度函数,自由切换,以GWO为例,GWO-VMD,可用于其他优化算法-matlab代码
第一种很常见,第二种却不多。前期介绍的4种适应度函数,使用的实在是太多太多了,确实新意不大。于是,许多研究者开始将目光转移,另辟蹊径,并提出了一系列新的适应度函数,发表在高水平EI和SCI期刊上。本期整理并复现了一些高水平EI、SCI期刊中的适应度函数,加上一些常规的适应度函数,目前一共这些函数可构建复合指标函数,如果按两种排列组合,算一算也有15*14=210种!!!原创 2024-05-23 21:15:37 · 990 阅读 · 0 评论 -
【很火】27种一维数据转换成二维图像的方法,适用于故障诊断、状态识别等-matlab代码
深度学习技术在图像识别领域取得突破,使得相关领域研究者开始研究如何将一维数据转换成二维的图像。转换的方式大致可分为两类:时频类和时域转换类。好处是,一维数据中的关键信息可以在二维图像中充分的突出,利用深度学习技术(CNNs,Transformer,图神经网络、注意力网络)也可以学习到图像中的全局的相关性信息,有利于解决相关领域复杂问题,。大量的论文表明:信号图像编码结合深度学习的智能故障诊断、识别方法,可显著提高识别精度。本期,并。原创 2024-05-23 21:14:51 · 1000 阅读 · 0 评论 -
【选择不在困难】24种信号分解方法(附matlab代码)
前期已分享320多种基础优化算法(根据“没有免费的午餐”,。所以很多学者根据自身的专业问题需求,对基础优化算法进行了改进和提升,以期获得更为优秀的性能。同样,在信号处理领域,信号分解方法也有很多种。本文。原创 2024-05-22 15:22:52 · 586 阅读 · 0 评论 -
【共计42种】近似熵、样本熵、模糊熵、分布熵、排列熵、加权排列熵、散布熵及其5种多尺度系列-Matlab代码
熵值理论分析在时间序列分析中存在重要的作用。基于可以不经过数据的分解或变换,直接度量数据的复杂度,用于表征对应的时间序列,可结合先进的机器学习/深度学习方法完成相应的分类识别任务。本期推出。可用于分析一切中,如:电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波、心率、脑电、肌电、金融等等,您能想到的时间序列皆有可能。5种多尺度的理论知识在中、英文期刊都有很多,可以参考其他论文,本期不在赘述。原创 2024-05-17 16:46:36 · 1025 阅读 · 0 评论 -
【时序分类-源自一区】12种排列熵Permutation entropy+7种分类器的状态识别/故障诊断-Matlab代码
本期推出结合进行时序分类。并以时序分类种的为例。排列熵(Permutation entropy,翻译可能不准确哈,请谅解)于发表在物理学顶级期刊 Physical Review Letters(简称PRL,中科院1区)。针对排列熵的问题,加权排列熵(Weighted-Permutation entropy,翻译可能不准确哈,请谅解)被提出,于发表在物理学顶级期刊 Physical Review E,简称PRE,和PRL为同一家族。排列熵首次提出并运用于评估时间序列复杂性。那么排列熵可用于分析一切。原创 2024-05-13 20:45:52 · 1121 阅读 · 0 评论 -
【HOT、时序分类、源自顶刊】分数阶注意熵Attention Entropy及其5种多尺度熵+7种分类器-Matlab代码
注意熵(Attention Entropy,翻译可能不准确哈,请谅解)于发表在顶级期刊 IEEE trans系列-IEEE Transactions on Affective Computing(影响因子:11.2)。注意熵首次提出并运用于心跳间隔时间序列,从利用熵值表征不同的状态。而实际上,心跳信号的本质是,那么注意熵可用于其他中,如:电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波等等,您能想到的时间序列皆有可能。目前,。基于。原创 2024-05-09 11:06:26 · 341 阅读 · 0 评论 -
【热门|源自顶刊】注意熵Attention Entropy及其5种多尺度熵+7种分类器的状态识别/故障诊断-Matlab代码
可以不经过数据的分解或变换,直接度量数据的复杂度,可完成不同时间序列的分类。随机选择了5类状态(当然可以加入更多的状态),选用DE端的振动数据,暂且命名为正常,故障1,故障2,故障3,故障4。中,如:电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波等等,您能想到的时间序列皆有可能。计算每个样本的熵值(以上6种熵可随意切换),形成500*n的特征空间,将特征输入到后续的分类器中。3.文中有一些内容引自网络,会注明出处或引为参考文献,难免有未尽之处,如有不妥,请随时联系删改。原创 2024-05-08 10:15:51 · 930 阅读 · 0 评论 -
【源自IEEE顶刊】基于散布熵(色散熵)及其5种多尺度熵的状态识别、故障诊断(附Matlab代码)
机械设备在运行中的故障率较高,使得状态识别、故障诊断得到广泛重视。目前,常见的故障诊断方法主要包括振动信号分析,声学信号分析,温度监测,电信号分析等。传统时、频域的特征提取方法往往不能有效提取隐藏的故障特征,导致故障识别率降低。由于在不同位置发生故障时,故障冲击引起的系统响应不同,从而使得监测数据的混乱程度有所不同。基于可以不经过数据的分解或变换,直接度量数据的复杂度,可完成不同故障的识别。。本期推出共6种熵结合多种进行状态识别、故障诊断。原创 2024-05-07 10:37:48 · 937 阅读 · 0 评论 -
【时序分类|源自顶刊】注意熵Attention Entropy及其5种多尺度熵+7种分类器的状态识别/故障诊断-Matlab代码
注意熵(Attention Entropy,翻译可能不准确哈,请谅解)于发表在顶级期刊 IEEE trans系列-IEEE Transactions on Affective Computing(影响因子:11.2)。注意熵首次提出并运用于心跳间隔时间序列,从利用熵值表征不同的状态。而实际上,心跳信号的本质是,那么注意熵可用于其他中,如:电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波等等,您能想到的时间序列皆有可能。目前,。基于。原创 2024-05-07 10:35:08 · 1557 阅读 · 0 评论 -
【源自一区】散度熵(Diversity Entropy)及其5种多尺度熵+7种分类器的状态识别和故障诊断(附Matlab代码)
散度熵(Diversity Entropy,翻译可能不准确哈,请谅解)于2021年发表在中科院1区期刊 IEEE Transactions on Industrial Informatics(影响因子突破12)。随机选择了5类状态(当然可以加入更多的状态),选用DE端的振动数据,暂且命名为正常,故障1,故障2,故障3,故障4。计算每个样本的熵值(以上6种熵可随意切换),形成500*n的特征空间,将特征输入到后续的分类器中。可以不经过数据的分解或变换,直接度量数据的复杂度,可完成不同时间序列的分类。原创 2024-05-06 16:24:07 · 834 阅读 · 0 评论 -
【源自一区】散度熵(Diversity Entropy)及其5种多尺度熵+7种分类器的状态识别和故障诊断(附Matlab代码)
散度熵(Diversity Entropy,翻译可能不准确哈,请谅解)于2021年发表在中科院1区期刊 IEEE Transactions on Industrial Informatics(影响因子突破12)。散度熵首次提出并运用于机械设备的状态识别和故障诊断,从利用熵值表征不同的状态。而实际上,振动信号的本质是,那么散度熵可用于其他中,如:电能质量数据、风速、功率、声音、温度、交通、水流等等,您能想到的时间序列皆有可能。目前,。基于。原创 2024-05-06 16:20:28 · 780 阅读 · 0 评论 -
【源自一区】分数阶散度熵及其5种多尺度熵+7种分类器的状态识别和故障诊断(附Matlab代码)
散度熵(Diversity Entropy,翻译可能不准确哈,请谅解)于2021年发表在中科院1区期刊 IEEE Transactions on Industrial Informatics(影响因子突破12)。散度熵首次提出并运用于机械设备的状态识别和故障诊断,从利用熵值表征不同的状态。而实际上,振动信号的本质是,那么散度熵可用于其他中,如:电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波等等,您能想到的时间序列皆有可能。目前,。基于。原创 2024-05-06 16:17:53 · 968 阅读 · 0 评论 -
【源自一区】散度熵(Diversity Entropy)及其5种多尺度熵+多种分类器的状态识别和故障诊断(附Matlab代码)
散度熵(Diversity Entropy,翻译可能不准确哈,请谅解)于2021年发表在中科院1区期刊 IEEE Transactions on Industrial Informatics(影响因子突破12)。散度熵首次提出并运用于机械设备的状态识别和故障诊断,从利用熵值表征不同的状态。而实际上,振动信号的本质是,那么散度熵可用于其他中,如:电能质量数据、风速、功率、声音、温度、交通、水流等等,您能想到的时间序列皆有可能。目前,。基于。原创 2024-05-04 16:11:26 · 851 阅读 · 0 评论 -
基于散布熵(色散熵)及其5种多尺度熵的状态识别、故障诊断(附Matlab代码)
机械设备在运行中的故障率较高,使得状态识别、故障诊断得到广泛重视。目前,常见的故障诊断方法主要包括振动信号分析,声学信号分析,温度监测,电信号分析等。传统时、频域的特征提取方法往往不能有效提取隐藏的故障特征,导致故障识别率降低。由于在不同位置发生故障时,故障冲击引起的系统响应不同,从而使得监测数据的混乱程度有所不同。基于可以不经过数据的分解或变换,直接度量数据的复杂度,可完成不同故障的识别。。本期推出共6种熵结合多种进行状态识别、故障诊断。原创 2024-05-02 16:53:39 · 1141 阅读 · 0 评论 -
基于对称点模式(symmetric dot pattern)的多元数据融合,可与深度学习技术结合用于故障诊断,识别等-Python
受最近在计算机视觉和语音识别方面的成功启发,许多研究者提出将一维时间序列数据编码为不同类型的图像,这样可以放大数据中的动态特性,更好地表征原数据。原创 2024-04-22 16:19:36 · 881 阅读 · 0 评论 -
【全网最全,一键切换】27种一维数据转换二维图像的方法,可结合深度学习技术用于故障诊断、状态识别等-matlab代码
深度学习技术在图像识别领域取得突破,使得相关领域研究者开始研究如何将一维数据转换成二维的图像。大家多多少少也看到过类似的研究。转换的方式大致可分为两类:时频类和时域转换类。好处是,一维数据中的关键信息可以在二维图像中充分的突出,利用深度学习技术(CNNs,Transformer,注意力网络)也可以学习到图像中的全局的相关性信息,。本期27种,并,方便后续结合深度学习网络(CNNs,Transformer,注意力网络)。相关方法的理论部分在知网上已经有很多了,这里不再赘述。原创 2024-04-18 15:27:37 · 840 阅读 · 0 评论 -
基于对称点模式(symmetric dot pattern)的多元数据融合-matlab
受最近在计算机视觉和语音识别方面的成功启发,许多研究者提出将一维时间序列数据编码为不同类型的图像,这样可以放大数据中的动态特性,更好地表征原数据。原创 2024-04-17 10:02:30 · 701 阅读 · 0 评论 -
基于近似熵、样本熵、模糊熵、排列熵、散布熵和优化支持向量机SVM的机械故障诊断(附Matlab代码)
旋转机械在运行中的故障率较高,使得故障诊断得到广泛重视。目前,常见的故障诊断方法主要包括振动信号分析,声学信号分析,轴承温度监测等。由于振动信号具有易于采集和分析的优点, 基于振动信号的故障诊断方法应用最为广泛。传统时频域的特征提取方法往往不能有效提取隐藏的故障特征,导致故障识别率降低。由于在不同位置发生故障时,故障冲击引起的系统响应不同,从而使得振动信号的混乱程度有所不同。基于可以不经过信号的分解或变换,直接度量信号的复杂度,完成不同故障的识别。。原创 2024-04-17 09:57:55 · 985 阅读 · 0 评论 -
VMD的参数优化:15种适应度函数,自由切换,以GWO为例,GWO-VMD,GWO方便替换成其他优化算法-matlab代码
第一种很常见,第二种却不多。前期介绍的4种适应度函数,使用的实在是太多太多了,确实新意不大。于是,许多研究者开始将目光转移,另辟蹊径,并提出了一系列新的适应度函数,发表在高水平EI和SCI期刊上。本期整理并复现了一些高水平EI、SCI期刊中的适应度函数,加上一些常规的适应度函数,原创 2024-04-10 11:10:43 · 961 阅读 · 0 评论 -
TVF-EMD的参数优化:14种适应度函数,自由切换,以GWO为例,GWO-TVF-EMD,可用于其他优化算法-matlab代码
。本期推出一款小众、性能强大信号分解方法,,2017年发表在信号处理顶刊signal processing。仅有160+次引用,。在一定程度上解决了EMD的模态混叠问题,根据论文结果:TVF-EMD是优于VMD,EMD,EEMD。然而,TVF-EMD的性能受到其参数的影响,尤其是带宽阈值THRESH_BWR和B样条曲线阶数BSP_ORDER。手动调参是繁琐的、不经济的。。。第一种很常见,第二种却不多。本期整理并复现了一些高水平EI、SCI期刊中的适应度函数,加上一些常规的适应度函数,目前一共。原创 2024-04-03 09:48:25 · 834 阅读 · 0 评论 -
SVMD的参数优化:15种适应度函数,自由切换,以GWO\HHO为例,GWO-SVMD/HHO-SVMD,可用于其他优化算法-matlab代码
。本期推出一款小众、性能强大信号分解方法,,2020年发表在信号处理顶刊signal processing。仅有90+次引用,。不需要知道模态的个数,可以连续提取模态,在一定程度上解决了VMD的模态个数选择问题。然而,SVMD的性能受到其参数maxAlpha的影响。手动调参是繁琐的、不经济的。。在SVMD参数优化的创新方式可以有两种:1,改进优化算法用于SVMD;2,提出新的适应度函数。第一种很常见,第二种却不多。原创 2024-04-03 09:45:09 · 790 阅读 · 0 评论 -
VMD的参数优化:15种适应度函数,自由切换,以GWO为例,GWO-VMD,可用于其他优化算法-matlab代码
第一种很常见,第二种却不多。前期介绍的4种适应度函数,使用的实在是太多太多了,确实新意不大。于是,许多研究者开始将目光转移,另辟蹊径,并提出了一系列新的适应度函数,发表在高水平EI和SCI期刊上。本期整理并复现了一些高水平EI、SCI期刊中的适应度函数,加上一些常规的适应度函数,目前一共这些函数可构建复合指标函数,如果按两种排列组合,算一算也有15*14=210种!!!原创 2024-04-03 09:42:50 · 852 阅读 · 0 评论 -
【matlab代码免费送】基于优化算法的VMD的参数优化:4种适应度函数,以GWO-VMD为例,GWO可替换成其他优化算法
大家多多少少听过,看过或使用过一种信号处理方法:变分模态分解方法(Variational mode decomposition,VMD)。该方法于2014年发表在信号处理顶级SCI期刊,至今已有4840多次引用,深受各领域研究者的欢迎。VMD在一定程度上解决了EMD的模态混叠问题,然而,VMD的性能受到其参数的影响,尤其是惩罚因子alpha和模态分解数k。手动调参是繁琐的、不经济的。研究者们通过设置合理的,利用群智能优化算法对其参数进行自适应的选择。本期介绍:(原创 2024-03-27 10:24:05 · 948 阅读 · 0 评论 -
SVMD的参数优化:13种适应度函数,自由切换,以GWO\HHO为例,GWO-SVMD/HHO-SVMD,可用于其他优化算法-matlab代码
。本期推出一款小众、性能强大信号分解方法,,2020年发表在信号处理顶刊signal processing。仅有90+次引用,。不需要知道模态的个数,可以连续提取模态,在一定程度上解决了VMD的模态个数选择问题。然而,SVMD的性能受到其参数maxAlpha的影响。手动调参是繁琐的、不经济的。。。第一种很常见,第二种却不多。本期整理并复现了一些高水平EI、SCI期刊中的适应度函数,加上一些常规的适应度函数,目前一共我们以一段长度为1024的信号数据作为待分解数据,利用优化SVMD参数。原创 2024-03-25 15:03:14 · 1176 阅读 · 0 评论 -
【涨点神器】27种一维数据转换成二维图像的方法,适用于故障诊断、状态识别等-matlab代码
深度学习技术在图像识别领域取得突破,使得相关领域研究者开始研究如何将一维数据转换成二维的图像。转换的方式大致可分为两类:时频类和时域转换类。好处是,一维数据中的关键信息可以在二维图像中充分的突出,利用深度学习技术(CNNs,Transformer,图神经网络、注意力网络)也可以学习到图像中的全局的相关性信息,有利于解决相关领域复杂问题,。大量的论文表明:信号图像编码结合深度学习的智能故障诊断、识别方法,可显著提高识别精度。本期,并。原创 2024-03-25 15:05:24 · 2216 阅读 · 0 评论 -
TVF-EMD的参数优化:13种适应度函数,自由切换,以GWO为例,GWO-TVF-EMD,可用于其他优化算法-matlab代码
。本期推出一款小众、性能强大信号分解方法,,2017年发表在信号处理顶刊signal processing。仅有160+次引用,。在一定程度上解决了EMD的模态混叠问题,根据论文结果:TVF-EMD是优于VMD,EMD,EEMD。然而,TVF-EMD的性能受到其参数的影响,尤其是带宽阈值THRESH_BWR和B样条曲线阶数BSP_ORDER。手动调参是繁琐的、不经济的。。。第一种很常见,第二种却不多。本期整理并复现了一些高水平EI、SCI期刊中的适应度函数,加上一些常规的适应度函数,目前一共。原创 2024-03-23 11:34:20 · 1185 阅读 · 0 评论