2) Envelope algorithm of EMD
EMD包络算法
3) empirical mode decomposition method
EMD法
4) EMD method
EMD方法
1.
The results show that EMD method can decompose a complex non-stationary signal into several intrinsic mode functions(IMFs) reflecting the intrinsic characteristics of the signal,frequency components of the sound signal can be obtained based on the spectrum of IMFs,and the identification of coal and rock .
EMD方法能把1个复杂的非平稳信号分解为有限个固有模态函数分量(In-trinsic Mode Function,IMF)之和,分解出的各个IMF分量是平稳的,具有实际的物理意义。
2.
The rotor vibration signal is decomposed with EMD method into a number of intrinsic mode functions (IMFS), from which the initial feature vector matrixes are formed.
该方法首先用EMD方法分解转子系统的振动信号,得到若干个基本内禀模式函数(Intrinsic Mode Function,简称IMF),然后利用IMF分量形成初始特征向量矩阵,并对初始特征向量矩阵求奇异值熵,奇异值熵的大小反映了转子系统运行状态的差别,从而可以通过奇异值熵的大小判断转子系统的工作状态和故障类型。
3.
EMD method was used to decompose the rotor vibration signal into a number of intrinsic mode functions(IMFs).
在此基础上,采用EMD方法将转子振动信号进行分解,得到若干个几本模式分量,然后将包含主要故障信息的几个几本模式分量相加得到降噪后的转子振动信号,并求得降噪后的转子振动信号的分形维数。
5) EMD
EMD方法
1.
The Application of EMD to Multi-spectral Image Fusion;
EMD方法在多光谱遥感图像融合中的应用
2.
By using the empirical mode decomposition(EMD) method to decompose the earthquake ground motion to a finite set of intrinsic mode functions(IMFs),a simulation method based on the time varying VARMA modeling of IMFs is proposed.
通过EMD方法将地震动分解成若干固有模态函数,提出了用固有模态函数的时变VARMA建模实现地震动仿真的思路。
6) empirical mode decomposition
EMD
1.
As a signal analysis method,both empirical mode decomposition and autoregresslve spectrum are introduced.
EMD是一种适用于非线性、非平稳信号的自适应分析方法,故障信号经EMD分解后,提取对故障敏感的分量作自回归谱分析,可以得到高信噪比的特征量。
2.
The end effect is a key shortcoming of the Empirical Mode Decomposition.
在应用经验模态分解(EMD)处理数据的时候,端点效应成为影响该方法精度的主要因素,即在“筛”的过程中上下包络在数据序列的两端会出现发散现象。
3.
The multi-timescales analysis method — Empirical mode decomposition (EMD) is used to diagnose global mean temperature variation and atmospheric content of CO2 during 1881~2002.
经验模态分解方法(EmpiricalModeDecomposition,EMD),可以把不同周期的波动或趋势逐级分解开来,产生一系列具有不同特征尺度的序列称为本征模函数(intrinsicmodefunction,IMF)。
补充资料：BP算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条