-
-
基于EMD和神经网络的短期电力负荷预测
提出了采用经验模态分解（EMD）和神经网络结合的方法对短期电力负荷进行预测。通过EMD算法将电力负荷的时间序列分解为若干个固有模态函数，采用神经网络对各个固有模态函数分别预测，然后求和重构各个固有模态函数的预测值，最后得出总的负荷预测值。通过仿真分析，该方法相对于采用单一的神经网络预测降低了预测误差，改善了短期负荷预测的有效性。
-
基于EMD的语音功率谱分析
提出了一种基于EMD的功率谱分析法，即先用经验模态分解方法（EMD）将语音信号分解成若干个固有模态函数IMF分量，而后对包含主要信息的IMF分量利用现代参数模型法估计出它们各自的功率谱。文中对不同情感状态下语音数据的分析结果表明，EMD方法能有效地应用于非平稳语音信号的功率谱分析中，可更细致的体现语音信号内在特征。
-
-
EMD阈值滤波在光纤陀螺漂移信号去噪中的应用
... 淹没在噪声中，直接建模补偿漂移信号非常困难，提出基于经验模态分解(EMD)的阈值滤波方法(EMD-T)对漂移信号预处理。为了提高EMD 分解的精确度，基于噪声传播模型引入一种有界噪声辅助 ... ，采集一款干涉型FOG 的静态漂移输出作为测试信号，将EMD-T 与基于小波包变换(WPT)和常规EMD(CEMD)的阈值 ... 方法进行了对比分析。仿真结果及Allan方差分析表明，EMD-T较WPT和CEMD 滤波性能有显著的改善，经EMD-T 处理后，漂移信号的量化噪声(Q)和角度随机游走(N)分别由 ...
-
基于EMD和数学形态学的多环芳烃光谱去噪
... 更好地进行定性和定量分析, 采用经验模态分解(EMD)改进阈值法结合数学形态学对荧光光谱信号进行去噪处理, 并与EMD阈值去噪法进行对比。结果表明, 提出 ...
-
-
基于词向量和EMD距离的短文本聚类
... 的文本表示和基于特征词移动距离的短文本聚类算法。首先使用Skip-gram模型(Continuous Skip-gram Model)在大规模语料中训练得到表示特征词语义的词向量;然后利用欧式距离计算特征词相似度,引入EMD(Earth Mover's Distance)来计算短文本间的相似度;最后将其应用到Kmeans聚类算法中实现短文本聚类。在3个数据集上进行的评测结果表明,效果优于传统的聚类算法。
-
-
-
-
Go To English Version 超过100万源码资源，1000万源码文件免费下载
