empirical mode decomposition | BriefGPT

关键词empirical mode decomposition

搜索结果 - 7

利用经验模态分解和 Walsh-Hadamard 变换增强发音障碍语音特征表征
本文提出了一个用于改善发音障碍语音的特征增强算法，名为 WHFEMD。该算法结合了经验模态分解（EMD）和快速 Walsh-Hadamard 变换（FWHT），用于提取和增强特征，以及表示声带和声道的局部病理特征。在实验中，我们将该算法应用
PDF6 months ago
RRCNN$^{+}$：一种增强的残差递归卷积神经网络用于非平稳信号分解
通过结合深度学习和优化技术，进一步改进残差递归卷积神经网络（RRCNN）来克服其一些限制，从而提高非平稳信号分解的稳定性和计算效率。
PDF10 months ago
RRCNN: 一种基于循环残留卷积神经网络的新型信号分解方法
借助卷积神经网络和残差结构以及非线性激活函数对信号进行局部平均值计算，该论文提出了一种新的非平稳信号分解方法，并相比于现有方法能更好地处理边界效应、模态混合效应、分解组件的正交性以及噪声干扰的鲁棒性，这在尚未有直接使用深度学习技术对非平稳信
PDFa year ago
DEK-Forecaster: 融合 EMD-KNN 的新型深度学习模型用于交通预测
本研究旨在使用深度序列方法来预测网络流量需求，其中包括基于经验模态分解（EMD）的噪声抑制、基于经验规则的异常值检测和基于 K - 最近邻的异常值缓解。
PDFa year ago
面向时间序列预测的多样性和连贯性增强
本文提出了一种结合了谱分解和时间分解的数据增强方法，可用于预测型时间序列数据的生成，实验表明该方法在五个真实的数据集上均取得了比其他基准模型和增强方法更好的表现。
PDFa year ago
通过力量和危险波动表征书籍中的叙述时间
通过计算基于文本长度的峰值波动，利用基于眼动数据的量化方法（ousiometrics）和经验模态分解（Empirical Mode Decomposition）技术，找到了故事结构中子故事的叙事时间尺度，该方法适用于不同长度的书籍的文本分析
PDF2 years ago
使用基于 EMD-CWT 的混合图谱的轻量级 CNN 模型，用于从肺听诊声音中检测呼吸系统疾病
本文提出了一种基于混合 CWT 和 EMD 的频谱图特征的轻量级卷积神经网络（CNN）结构，以对肺音进行疾病分析分类，与传统 VGG16 模型相比，该 CNN 模型在三元慢性分类和六类病理分类方面分别提高了 0.52％和 1.77％的准确度
PDF4 years ago