基于emd分解特性的阈值去噪算法

MATLAB动画，单摆摆动的物理过程，可以看到动画，速度加速度的变化，还能改变初始条件

使用16位精度的LTC1864模数转换器编程实现高精度数字电压表，量程为50V，精度达到1mV,并使用12864液晶显示器，给出了protues仿真！感兴趣的同学，可以参考一下！

pmsm st foc方案，电机开发指导手册

在matlab环境编程实现了形态学的核心算法：膨胀、腐蚀，进一步可用它们的组合实现形态学的开运算，闭运算，交替滤波、混合滤波、交替混合滤波、梯度、多分辨分析，等。可用于一维信号的时域分析处理。希望对你有用。很容易移植到C语言的。

分数阶傅里叶变换作为一种线性变换, 能够实现线性调频信号检测与分离。而多项式相位信号在短时间内可以由线性调频信号提供良好的近似, 故可以采用短时分数阶傅里叶变换实现多线性调频分量的检测与分离。对每个短时信号的时频分析进行叠加组合, 即得到多个多项式相位信号的时频分析检测。计算机模拟仿真证明了此方法的有效性。

Matlab GUI做的图像边缘检测程序，分别用经典时域算子和小波多尺度分析检测图像边缘

反保密检查的工具。主要是用来清除usb使用记录的，包括usb viewer，RG2014，usbclear，urlcleanner等等。

1.此程序模板为stm32F103c8t6所用；2.编译环境Keil5.14，库函数版本3.5；3.实现功能：在TF卡/SD卡根目录下创建文件MEng.txt,并把数组bmpheader写入该文件；4.硬件说明：SPI2读写： ---------------------------------------------- | STM32F10x | MSD Pin | ----------------------------------------------

ID3算法是决策树的鼻祖，最早于1986年由Quinlan提出，全称是Iterative Dichotomiser 3 [1]。在这篇课程报告中，我将对经典的ID3做出三次改进：1.把 info gain 改进为 gain ratio；2. 把简单投票的过程改进为朴素贝叶斯的方法；3. 将许多颗ID3决策树打造成随机森林。本人将在Weka平台进行二次开发，并且用Weka-Experiment做大量实验，和其它著名的算法进行比较，最后做出综述。项目的源代码开源在本人的GitHub主页上。未来工作有以下几点:是那么容易就可以随机出来的1.在 Improvement Two中,3树的生长的深度限3.可以把这三种改进方法糅合在一起,看看三种制在多少,可以进行进一步的研究改进组合在一起,能不能产生性能更加的算法2.在 Improvement Three中,本人费劲心思写出来4.上述所有方法都是基于属性为 nominal的数据的“随机森林”,正确率反而比D3更差。虽然集,可以进一步研究属性为 numerical,甚至是很使我伤心,但是我在写代码、调试代码、还有两者混合的数据集。思考的过程中有了不少长进。看来随机森林不L己ta3et(1 caitao.I(2) caita (3 caita (4 caita (5) trees (6)treesca置,色va1 eatlon(100)B9.19|81.36*92.85V78.日9*94.43W93.40Vweather. symbolic100)79.00|56.507s.0079.57.506,50{v!/*)|(0/1/1)(1/1/0(011/1)(1/1/0)(1/1/0Re1)caia。,工3"-26936786470963225612) CaILE。 gainRatio.工D311-2693678647096322561(3 caitao naiveBayes. ID3-26936786470963225614)cata0 andomforest,ID31-2593678647096322561{5) trees. NBTree"-47160057070582560866) trees. Randomforest"-10-4-51- depth101-2260823972777004705图-7: Weka-experiment实验结果。总共6个算法,2个数据集。6个算法中(1是原始的1D3算法,后面(2)-(4)是本人的改进算法,(5)和(6)是Weka平台自带的算法。GitHub较风趣;另一方面,蒋老师在我上机实习的过程过,本次模式识别上机实刁的代码,全部公开在本人的回答了我不少疑惑,虽然这些疑惑对于蔣老师而言GitHub主页上面,ur地址如下:可能十分幼稚,但是依然完整解决了我的问题。1. Improvement one:https://github.com/caitaozhan/id3improvements/treREFERENCES/gain ratio2. Improvement TwoJhttps://en.wikipedia.org/wiki/id3algorithmhttps://github.com/caitaozhan/id3_improvements/tre[2]决策树,蒋良孝的PPTChapter2-8e/naive bayes[3] Data Mining Practica/ Machine Learning Tools and3. Improvement threTechniques--Chapter4.3https://github.com/caitaozhan/id3improvements/tre[4贝叶斯分类,将良孝的PPTChapter3-15e/random forest[5]http://archive.ics.uci.edu/ml/datasets/car+evaluation[6]https://en.wikipediaorg/wiki/random_subspace_methodAcknowledgements感谢蒋良孝老师对于我的指导。一方面,蒋老师上课讲解十分到位,关键部位一点就通了,不仅如此还比

格子铺网站导航商业源码_百万格子网站php源码此源码是我在淘宝买的，还没时间用，有需要的朋友拿去