2020年7月13日

摘要:算法实现起来比较简单,参考 资料1,这里不再赘述; 特点 傅里叶变换 的 基波 为 正弦波,如果原始信号波形很复杂,信号分解 计算量会很大,用 无穷多的 正弦波 才能 逼近 这个 波形; 小波变换 的 基波 为 某些固定波形,不同的 基波 对信号处理影响很大,一旦选定,无法更换,即使小波基在全局最佳 阅读全文
posted @ 2020-07-13 19:48 努力的孔子 阅读(21) 评论(0) 推荐(0) 编辑
 

2020年7月9日

摘要:Python 的 文件操作虽然很简单,但是经常会遇到各种各样的奇葩问题,让人有想死的感觉,所以 都一一记下来吧 注意:只管用正确的方法 读写 即可,千万别管它到底写入没写入,因为 写入 真的很慢很慢,方法对就继续干,谨记谨记谨记 CSV 基础用法 ###### 写入 f = open('test.c 阅读全文
posted @ 2020-07-09 14:26 努力的孔子 阅读(5) 评论(0) 推荐(0) 编辑
 

2020年7月7日

摘要:小波,就是很小的波,它的积分总是接近于 0; 小波 又分为 小波分解 和 小波包分解; 小波分解 只对 低频部分 进行分解,对高频部分不再分解,所以能够过滤掉 高频部分; 低频部分 代表了 趋势,也叫 近似信号;高频部分 代表了 噪声,也叫 细节信号; 小波包分解 则既对 低频部分 进行分解,也对 阅读全文
posted @ 2020-07-07 14:12 努力的孔子 阅读(34) 评论(0) 推荐(0) 编辑
 

2020年7月2日

摘要:熵,事物的混乱程度; 熵有很多种计算方式; 概念介绍 如何理解呢?或者说 两个 均值相减 怎么就能反应 时间序列 的复杂性? 首先,简单思考下这个计算过程,先用 m 长的窗口 滑动生成 一组 m 长的数组,假设 m = 2,那就是 一个 (n-m+1)x2 的数组,然后计算 每行 之间的距离,这其实 阅读全文
posted @ 2020-07-02 19:29 努力的孔子 阅读(66) 评论(0) 推荐(0) 编辑
 

2020年7月1日

摘要:sklearn 中 模型保存有两种方式,版本不同,可查看官网,这里只做简单记录 方式一:序列化 序列化 的具体用法请自行研究 >>> from sklearn import svm >>> from sklearn import datasets >>> clf = svm.SVC() >>> X, 阅读全文
posted @ 2020-07-01 08:20 努力的孔子 阅读(32) 评论(0) 推荐(0) 编辑
 

2020年6月11日

摘要:场景:多层 list 嵌套, [list, list],然后用 numpy 转换成 数组,生成 [list([]) list(])] 这种格式, 由于数据量很大,一时没发现问题,折腾半天; 场景还原 data = [] a = [1, 3] data.append(a) b = [1, 4, 5] 阅读全文
posted @ 2020-06-11 08:27 努力的孔子 阅读(39) 评论(0) 推荐(0) 编辑
 

2020年5月18日

摘要:本文基于 sqlite3 进行测试,准备工作如下 import sqlite3 conn = sqlite3.connect('window.db') cur = conn.cursor() ##### 原始数据 sql = '''select * from window;''' cur.execu 阅读全文
posted @ 2020-05-18 12:33 努力的孔子 阅读(29) 评论(0) 推荐(0) 编辑
 
摘要:本文基于 sqlite 进行测试,并做如下准备工作 import sqlite3 ### 连接 conn = sqlite3.connect('test.db') print("Opened database successfully") ### 获取游标并建表 cur = conn.cursor( 阅读全文
posted @ 2020-05-18 10:22 努力的孔子 阅读(27) 评论(0) 推荐(0) 编辑
 

2020年4月21日

摘要:paper 地址:http://personal.ie.cuhk.edu.hk/~ccloy/files/eccv_2014_deepresolution.pdf 图像超分辨率重建 把一张 低分辨率图像(low resolution) 通过一定的算法 转换成 高分辨率图像(high resoluti 阅读全文
posted @ 2020-04-21 10:17 努力的孔子 阅读(231) 评论(0) 推荐(0) 编辑
 

2020年4月17日

摘要:EMD,经验模态分解,是一种信号分解的技术; 它提出了一个概念叫 基本模态分量 IMF, EMD 用于处理非平稳信号,可用于任意数据,基于数据本身进行分解; EMD 把一个信号分解成 多个 IMF,每个 IMF 具有线性和非线性的特点,还有一个 信号残余分量,常常代表信号的直流分量或者信号的趋势; 阅读全文
posted @ 2020-04-17 08:58 努力的孔子 阅读(453) 评论(0) 推荐(0) 编辑