搜索资源列表
EEMD-ANN
- EEMD经验模态分解+ANN神经网络分类-The EEMD empirical mode decomposition+ANN neural network classifier
emd
- 经验模态分解（empirical mode decomposition),通过EMD方法可以把任何一个信号分解为数个固有模态函数和一个残量之和。
emd-method
- 经验模态分解(EMD Empirical Mode Decomposition )算法是Hilbert-Huang变换(HHT)的核心算法。经验模态分解(EMD)算法是通过算法过程定义的，而并非由确定的理论公式定义的，所以对其进行准确的理论分析非常困难，我们目前只能借助大量的数字仿真试验不断对其性能进行深入的研究。 EMD算法的目的在于将性能不好的信号分解为一组性能较好的本征模函数（IMFIntrinsic Mode Function ），且IMF须满足以下两个性质： (1)信号的极值点(极
yljase-mode-original
- 不错的经验模态分解原吗,请相互分享,如有需要请邮箱联系-Good empirical mode decomposition of the original, please share, if necessary please contact email
EMD
- 信号的经验模态分解算法，及其用于BP神经网络的训练(An empirical mode decomposition algorithm for signal and its training for BP neural network)
wind power forecasting based on EWT-KELM
- 针对短期风电功率预测，提出一种基于经验小波变换预处理的核极限学习机组合预测方法。首先采用 EWT 对风电场实测风速数据进行自适应分解并提取具有傅立叶紧支撑的模态信号分量，针对每个分量分别构建 KELM 预测模型，最后对各个预测模型的输出进行叠加得到风速预测值并根据风电场风功特性曲线可得对应风电功率预测值。(Aiming at short-term wind power prediction, a kernel-based learning machine combination predicti