基于emd vmd的手势识别和特征提取算法 matlab

短文本聚类在数据挖掘中发挥着重要的作用,传统的短文本聚类模型存在维度高、数据稀疏和缺乏语义信息等问题,针对互联网短文本特征稀疏、语义存在奇异性和动态性而导致的短文本聚类性能较差的问题,提出了一种基于特征词向量的文本表示和基于特征词移动距离的短文本聚类算法。首先使用Skip-gram模型(Continuous Skip-gram Model)在大规模语料中训练得到表示特征词语义的词向量;然后利用欧式距离计算特征词相似度,引入EMD(Earth Mover's Distance)来计算短文本间的相似度;最后将其应用到Kmeans聚类算法中实现短文本聚类。在3个数据集上进行的评测结果表明,效果优于传统的聚类算法。

matlab关于emd的改进算法（emd,eemd,ceemd,ceemdan），亲测可用

变形监测数据处理是结构健康监测的一个重要内容。大型结构变形监测的数据往往表现出非线性、非平稳、含有强噪声及多种频率成分叠加的多尺度特征等特点。《希尔伯特-黄变换理论及其在重大工程变形监测中的应用》作者徐佳、麻凤基于理论分析、数值仿真、实验及现场监测等方法，对希尔伯特—黄(HHT)理论进行了系统研究，对基于EEMD滤波去噪特性及其在结构动态特性分析的模型建立等问题进行了分析；之后结合GPS动态监测数据处理、阜新海州露天矿边坡监测数据处理、GPS桥梁动态监测特性分析，以及基于地面微波雷达桥梁动态监测数据处理等实例，介绍了HHT在重大工程变形监测中的分析方法。 《希尔伯特-黄变换理论及其在重大工程变形监测中的应用》可供工程测量、土木工程、结构监测等领域的研究人员、工程技术人员和高等院校相关专业师生参考。

python emd算法 Earth Mover's Distance python emd算法 Earth Mover's Distance

【预测模型】基于emd-SVR实现数据预测matlab源码.zip

目前为止最快速的EMD算法，也可作为SIFT匹配的一种方法

对基于EMD-AR模型的齿轮箱故障诊断进行了研究。对齿轮箱故障振动信号采用EMD方法进行分解,得到有限个平稳的IMF(本征模式函数),对其建立AR模型,将建立的每个AR模型残差的方差和自回归参数建立Mahalanobis距离判别函数,最后进行模式特征综合,确定齿轮箱的工作状态以及故障类型。研究表明,采用EMD-AR模型进行齿轮箱故障诊断是可行有效的,提高了齿轮箱故障检测的准确性。

该程序可以实现EMD经验模态分解，求解IMF分量。

基于matlab的EMD经验模态分解代码