流量瞬爆新方法，原来抖音也不难

温老师的软件体系架构的方法论，供有需要的朋友参考

本文提出了一种新的直接提取方法，用于确定HEMT的寄生电容。 该方法基于物理意义上的耗尽层模型和夹断式冷FET的两端口网络的理论分析。 这种方法的主要优点是可以在不同的夹断条件下提取寄生电容C-pg，C-pd和C-pdg。 对于2 x 20 m浇口宽度HEMT（浇口指的数量x单位浇口宽度），在建模结果和测量结果之间取得了良好的一致性。

论文研究-一种决策知识表示和进行模糊决策的新方法——模糊决策表.pdf,  集中于决策表方法的几个方面，以（确定的）决策表形式为基础对其进行模糊扩展，以便于处理不精确和不确定的决策情形。因此，确定的决策表可以作为一种特例，定义了模糊决策表其模糊性包含在条件及行动中，进而在模糊决策表范围内引入了完备性的概念。

摘要：小波变换是在局部放电信号去噪过程中常用的方法，由于实际信号中噪声频带较宽，仅用小波变换去噪有可能带来波形畸变。文中将经验模态分解( EmpircialMode Decomposition，EMD)引入小波阈值去噪算法中，提出了一种基于EMD的小波阈值去噪算法，信号经EMD变换后被分解成若干个频率的本征模态函数( IntrinsicMode Function，IMF)，再对各个频率的IMF分量进行小波阈值去噪。相比于普通的小波阈值去噪算法，该方法能取得更好的去噪效果。对仿真信号和实测信号的处理结果验证了该方法的有效性。 　　局部放电(以下简称局放)信号的去噪一直是局放检测中的难点和重点问

文章根据等距曲线逼近的关键在于对其参数速度模的逼近，提出了对参数速度模有理逼近的2种形式，在此基础上给出了平面雎zier曲线等距曲线的逼近函数和误差估计函数，并导出了保持法矢平移方向的代数方式的等距有理逼近算法。最后给出例子验证其效果。

针对传统方法不能准确地测量远场多声源位置的问题，提出了在近场和远场都能用的多声源定位新方法。该方法采用两个L型麦克风阵列，在每个阵列通过多声源的频率及到达角的联合估计求得信号源的夹角，基于每个信号源的夹角对估计多声源的位置。通过仿真实验验证了该方法在近场、远场都能准确地测量多声源位置，通过调节两个L型麦克风阵列之间的距离能得到误差在5%以下的声源定位精度。

matlab中拟合中心线的代码 （Matlab的一nalysis对于s OOT的TEM图像工具） 该代码库包含Matlab代码，用于表征TEM图像中烟尘聚集体的几种方法。 这包括评估总投影面积，周长和一次粒径的方法。 方法包括Otsu阈值化，对相关方法（PCM），霍夫圆变换（following）和辅助手动分析的工具。 此代码旨在代替。 该代码库的测试使用了上main_*目录中的main_*函数，下面对此进行了介绍。 具体来说， main_kmeans和main_auto测试全自动方法，而main_0允许测试更手动的方法（需要大量用户输入）。 该程序主要由两个分析程序包组成，稍后将在自述文件中进行讨论： + agg-执行聚合级别的分段以输出二进制图像，并且 + pp-通常根据上面提到的agg软件包中的方法生成的二进制图像来确定主要的粒子。 该代码还包括+ tools包中的一组实用程序函数和实现用于在文件夹中进行分段的卷积神经网络所必需的Python代码。 目录 ：遍历示例代码 ：测试代码库 依存关系 该软件已使用Matlab 2020a进行了测试（尽管大多数功能已针对旧版本进行了验证），

使用混沌游戏表示法和离散傅立叶变换构建代表DNA序列之间进化关系的系统树。 如果您使用我们的代码，请将论文引用为“通过混沌游戏表示对 DNA 序列进行数字编码，并在相似性比较中的应用”！ 链接到本文： http : //dx.doi.org/10.1016/j.ygeno.2016.08.002

提出了一种将非线性频谱与堆叠式降噪自动编码器（SDAE）相结合的复杂系统故障诊断方法。 为了解决计算量大的问题，利用广义的频率响应函数（GFRF），利用一维非线性输出频率响应函数（NOFRF）来获得非线性频谱。 为了解决故障特征提取能力弱的问题，采用了堆叠式降噪自动编码器（SDAE）。采用神经网络从非线性频谱中提取故障特征。 该方法通过识别算法得到了永磁同步电动机各状态的四阶非线性频谱。 然后，从四阶频谱中选择合适的采样点，以构建高维数据； 最后，设计了堆叠式去噪自动编码器（SDAE）神经网络，实现了故障分类的输出。 仿真表明，该方法具有良好的实时性和较高的诊断精度。