说明：Adaboost 算法的思想是合并多个“弱”分类器的输出以产生有效分类。其主要步骤为 ：首先给出弱学习算法和样本空间（工， y） ，从样本空间中找出 m 组训练数据，每组训练数据的权重都是 1 /m。然后用弱学习算法迭代运算 T 次，每次运算后都按照分类结果更新训练数据权重分布，对于分类失败的训练个...

BP Adaboost算法 样本权重 基于BP的强分类器 BP-Adaboost 数据分类算法 分类器

说明：变分模态分解算法是2014年新提出的，广泛应用于信号处理领域。 VMD分解的子程序，给定分解的时域信号，数据保真约束平衡参数、噪声波峰时间步长、VMD分解个数、迭代精度可以得到 分解的子分量、子分量的波谱、各模式的中心频率。

变分模态分解 vmd 数据分解算法 variational-mode VMD分解个数

说明：应用背景MATLAB（矩阵实验室）是一个多模式的数值计算环境和第四代编程语言。由Mathworks公司专有的编程语言，MATLAB允许矩阵运算，函数和数据绘图，算法实现，用户界面的创建，并与其他语言编写的程序接口，包括C，C++，Java，Python语言和。虽然MATLAB主要用于数值计算，一个可...

matlab

说明：信号频谱分析，观测已知方波信号、正弦波信号的频谱 分析频率为4KHz、8KHz的占空比为50 的方波信号、正弦波信号的频谱。记录所得频谱图。 观测实时模拟信号（语音）的频谱 用音频设备采集一段语音，将语音存为.wav格式。对wav文件作分段傅里叶变换分析。语音是分音节的，应把它分段分析，而且实际运用...

信号频谱 方波信号 正弦波信号 4KHz 8KHz 频谱图 语音 傅里叶变换 FFT IFFT 语音波形图

说明：LDA线性判别分析是一种经典的提取特征的算法，它的基本思想是通过样本的类内离散度和类间离散度，寻找由最佳投影矢量构成的投影矩阵。将原始的样本数据投影到特征子空间中，实现数据分类。由于在人脸识别时常常会遇到小样本问题，因此在本次代码中，先用PCA主成分分析的方法降低样本维数，再用线性判别分析提取特征。...

说明：经验模态分解（Empirical Mode Decomposition，简称EMD))方法被认为是2000年来以傅立叶变换为基础的线性和稳态频谱分析的一个重大突破 [1]  ，该方法是依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅...

说明：针对滚动轴承早期故障特征提取困难的问题，提出一种基于参数优化变分模态分解的轴承早期故障诊断方法。首先利用粒子群优化算法对变分模态分解算法的最佳影响参数组合进行搜索，搜索结束后根据所得结果设定变分模态分解算法的惩罚参数和分量个数，并利用参数优化变分模态分解算法对故障信号进行处理。

粒子群-轴承 优化故障诊断 粒子群--特征 粒子群-信号 轴承特征提取

说明：在精选波段的频谱分析中，zfft 和 chirp-z 变换是两种常用的方法。对于干扰严重的密集多频谐波分量，通过增加细化倍数和重采样，分离干扰频率分量并进行校正，可以获得高精度的信号参数。

频谱校正 细化频率 频谱分析 zfft chirp-z 多频谐波分量 分离干扰频率 干扰频率 generate

说明：针对矿浆管道工况调整给泄漏检测带来的干扰，准确提取泄漏信号的特征量是降低泄漏误报、漏报的关键。为此，提出了一种基于经验模态分解（EMD）、Hilbert能量谱与变量预测模型（VPMCD）相结合的泄漏检测方法。该方法首先将压力信号分解成若干个固有模态函数（IMF）之和，然后将IMF分量进行Hilber...

分解 工况预测 Hilbert谱 IMF选择 VPMCD

说明：故障树的蒙特卡罗实现，个人觉得还算不错，新手适用。

故障树 蒙特卡罗