1)WP-CE小波包特征熵
1.A new fault diagnosis method of vibrating of hearings was proposed on the basis of neural network based on wavelet packet-characteristic entropy(WP-CE).提出了一種基于小波包特征熵-神經網絡的軸承故障診斷新方法。
2.It adopts three-layer wavelet packet to decompose the monitored pressure pulsation signal of draft tube, extracts WP-CE (Wavelet Packet-Characteristic Entropy), and constructs WP-CE vectors of signals, then takes those vectors as fault samples to train three-layer BP(Back Propagation) neural network, finally realizes intelligent fault .為精確診斷水輪機尾水管渦帶,該文提出一種基于小波包特征熵的神經網絡故障診斷新方法。
英文短句/例句
1.Extracting Axis Orbit of Hydro-generating Unit Using Characteristic Entropy of Wavelet Packet小波包特征熵提取水電機組軸心軌跡形狀
2.Research of Fault Diagnosis of Aircraft Hydraulic System Based on Wavelet Packet-Characteristic Entropy基于小波包特征熵的飛機液壓系統故障診斷方法研究
3.Compressor Valve Fault Diagnosis Based on Wavelet Packet Entropy and SVM基于小波包特征熵SVM的壓縮機氣閥故障診斷研究
4.The Study on Feature Extraction Methods of Projectile Shockwave Signal Based on Wavelet Entropy基于小波熵的彈丸激波信號特征提取方法研究
5.Otopoint-Signal-Based Wavelet Entropy Feature Extraction For Online Game Brain Fatigue網絡游戲者腦疲勞的耳穴信號小波熵特征提取
6.The Study on the EEG Wavelet Entropy and Complexity of Internet Addiction Patients網絡成癮患者的EEG小波熵與復雜度特征分析
7.Research on PD Signal Propagation Characteristics and Wavelet Packet Based Entropy Threshold Method for Interference Suppression of Power Transformer;變壓器局放信號傳播特性及小波包熵閾值法去干擾的研究
8.Fault Feature Extraction of Gearbox Based on Wavelet and Wavelet Package基于小波與小波包的變速器故障特征提取
9.Wavelet packet transformation feature extraction and surface EMG signal classification小波包變換特征提取與表面肌電分類
10.And then the relative wavelet packet energy in every subspace for every ASEMG and the wavelet entropy of every ASEMG were calculated.之后,計算每個子空間的相對小波包能量和每個信號的小波包熵。
11.The Study of Wavelet Packet Watermarking Based on DCT Image Elgenvector;基于DCT圖像特征向量的小波包數字水印研究
12.The Study of ECG Feature Extraction Method Based on Wavelet (Packet) Transformation基于小波（包）變換的心電信號特征提取方法研究
13.Based on the Best Wavelet Packet Decomposition of the Speech Signal Feature Extraction基于最佳小波包分解的語音信號特征提取
14.Feature extraction of epileptic EEG signals based on wavelet package transform基于小波包變換的癲癇腦電信號特征提取
15.Wavelet analysis and feature extraction for sound in civil aircraft cockpit民機駕駛艙艙音小波包分析及特征提取
16.Wavelet Packet Energy Feature Extraction of Engine Unusual Noise發動機異響信號的小波包能量特征提取
17.Emitter Signals Feature Extraction and Recognition Based on Wavelet Packet Transform基于小波包變換的輻射源信號特征提取和識別
18.Feature Extraction Based on Wavelet Packet-MFCC in Speaker Recognition基于小波包變換和MFCC的說話人識別特征參數
相關短句/例句
wavelet feature scale entropy小波特征尺度熵
1.The equipment degradation state recognition method based on wavelet feature scale entropy and HSMM was proposed.提出了一種基于小波特征尺度熵-隱半馬爾可夫模型(HSMM)的設備退化狀態識別新方法。
3)Wavelet packet entropy小波包熵
1.Emotion recognition based on wavelet packet entropy of surface EMG signal;基于表面肌電信號小波包熵的情感識別
2.Objective To explore the effect of band power and wavelet packet entropy in the recognition of hand imagery.目的探討腦電信號頻帶能量和小波包熵在識別左右手想象運動中的作用。
3.Inspired by nonlinear dynamic analysis methods,we apply power spectral entropy and wavelet packet entropy that combine frequency analysis with entropy to analyze sEMG signal during dynamic contractions.本文將頻率分析和非線性動力學方法結合起來,基于表面肌電(sEMG)信號在不同頻率分布不均勻的特點將信號能量分解到不同頻帶,以此計算功率譜/小波包和熵相結合的功率譜熵/小波包熵來衡量系統的復雜度,進而衡量肌肉的疲勞程度,為用EMG信號研究動態收縮過程中的肌肉疲勞程度提供了新的分析手段和方法。
4)wavelet packet energy eigenvector小波包特征向量
1.In order to diagnose the rotor fault precisely,this paper applies the resilient back propagation neural network and steepest descent back propagation neural network which based on wavelet packet energy eigenvector.為精確診斷轉子故障,采用了基于小波包能量特征向量的彈性BP神經網絡和最速下降BP算法神經網絡的故障診斷方法,對采集到的信號進行3層小波包分解,構造小波包特征向量,對樣本進行3層BP網絡訓練,實現智能化故障診斷。
5)characteristics of wavelet packet energy小波包能量特征
1.To improve the recognition rate of sucker rod\'s defects,the composite characteristics including both the characteristics of wavelet packet energy and peak-to-peak values in time domain were applied to the recognition in combination with the SVM based on small samples.為了提高抽油桿的缺陷識別率,將小波包能量特征和時域峰峰值特征組成的混合特征向量和基于小樣本的支持向量機法應用于抽油桿的缺陷識別中。
6)wavelet correlation feature scale entropy小波相關特征尺度熵
1.Equipment degradation state recognition and fault prognosis method based on wavelet correlation feature scale entropy and HSMM;基于小波相關特征尺度熵的HSMM設備退化狀態識別與故障預測方法
2.A prognostics feature information extraction approach was proposed based on wavelet correlation feature scale entropy WCFSE.提出一種小波相關特征尺度熵WCFSE的預測特征信息提取方法。
延伸閱讀
偏微分算子的特征值與特征函數 由邊界固定的膜振動引出的拉普拉斯算子的特征值問題：是一個典型的偏微分算子的特征值問題,這里x=(x1,x2)；Ω是膜所占據的平面區域。使得問題有非平凡解（非零解）的參數λ的值,稱為特征值；相應的解稱為特征函數。當Ω有界且邊界嬠Ω滿足一定的正則條件時,存在可數無窮個特征值,相應的特征函數ψn(x)組成l2(Ω)上的完備正交系。乘以常因子來規范ψn(x)，使其l2(Ω)模為1,則Ω上的任意函數??(x)的特征展式可寫為：當??可以"源形表達"，即??滿足邊界條件且Δ??平方可積時,展式在Ω一致收斂。當??平方可積時，展式平方平均收斂，且有帕舍伐爾公式： 對膜振動問題的認識還是相當有限的。能夠精確地知道特征值的，只限于矩形、圓盤等少數幾種非常簡單的區域。對橢圓和一般三角形的特征值精確值，還幾乎毫無所知。其他情形就更談不上了。 將不超過 λ的特征值的個數記為N(λ)。特征值的漸近分布由N(λ)對大 λ的漸近式來刻畫。這方面最早的結果是（C.H.）H.外爾在1911年得到的（外爾公式）： 式中表示Ω的面積。R.庫朗將余項改進為。對于多角形區域，又有人將余項改進到。各種情況下改進余項估計的工作至今綿延不絕。外爾猜測有一個更強的結果：式中｜嬠Ω｜是區域邊界之長，但尚未被證出。 與此密切相關的是下面的MP公式：(t→+0) 取一個漸近項時，用陶伯型定理可由它推出N(λ)的外爾公式。第二漸近項與外爾猜想非常相象，但由此證不出外爾猜想。第三項遲至1966年才被M.卡茨導出，后來由H.P.麥基恩與I.M.辛格嚴格證明,其中h表示鼓膜Ω的洞數。 特征值與膜振動頻率有一個直接的換算關系，M.卡茨據此給MP公式一個非常生動的解釋：可以"聽出"鼓膜的面積|Ω|、周長｜嬠Ω｜和洞的個數h！由于1-h恰巧是Ω的歐拉-龐加萊示性數,是整體幾何中頗受重視的一個不變量，"聽出鼓形"或"譜的幾何"問題立即引起人們的強烈興趣，并導致一系列重要的研究。不過一般的特征值反問題,要求從特征值的譜完全恢復Ω,還遠遠沒有解決。 用陶伯型定理得出N(λ)漸近式的方法，由T.卡萊曼于1934年首創，他還得到譜函數的漸近式：(λ→∞)，式中δxy當x=y時為1，當x≠y時為0。 上述關于拉普拉斯算子的結果，由L.戈爾丁和F.E.布勞德推廣到 Rn的有界區域Ω上的m 階橢圓算子。盡管推算繁雜，但結果十分簡單整齊：；；式中 v(x) 表示集合{ξ｜｜A0(x,ξ)｜<1}的勒貝格測度，而是A的最高階導數項相應的特征形式。特征展開定理亦由L.戈爾丁得出。 對于奇異情形，例如薛定諤方程 的譜問題,可以證明存在譜函數S(x，y，λ),特征展式為。由于可能出現連續譜，S(x，y，λ)一般不一定能寫成前述特征函數雙線和的形式。判定奇（異）微分算子譜的離散性是很有意義的工作。已經出現各種充分條件。不過關于特征值與特征函數漸近性質的研究，還只是限于少數特例。 在處理‖x‖→∞ 時V(x)→∞的情形，M.卡茨與D.雷等人曾創造了一種系統的概率方法，其中借助數學期望表出格林函數，有效地求出譜函數與特征值的漸近式： 。 當算子A的系數不光滑,或非一致橢圓，或非自共軛，以及邊條件帶特征參數或帶非定域項等等情形，都出現不少研究結果。還有人考察Au=λBu型的特征值問題,這里A、B都是橢圓算子。 除上述問題外，特征展式的收斂性與求和法也一直受到人們的關注。
