这里次要是对声音信号进行分析。
因为Matlab在数字信号处理上的便捷，又有功能强大的工具箱辅助设计，所以我们可以利用Matlab完成声音信号频谱分析和时序分析的设计。
本次设计内容包括：1） 信号的获取2） 时域分析：包括频率，振幅，相位，周期，均值，峰值等3） 频域分析：次要分析波形的幅值、相位与频率的关系
因为Matlab在数字信号处理上的便捷，又有功能强大的工具箱辅助设计，所以我们可以利用Matlab完成声音信号频谱分析和时序分析的设计。
本次设计内容包括：1） 信号的获取2） 时域分析：包括频率，振幅，相位，周期，均值，峰值等3） 频域分析：次要分析波形的幅值、相位与频率的关系
2020/6/4 8:19:17
336KB
1
设随机变量X服从参数为的泊松分布，则X的特征函数为。
2．设随机过程其中为正常数，和是互相独立的随机变量，且和服从在区间上的均匀分布，则的数学期望为。
3．强度为λ的泊松过程的点间间距是互相独立的随机变量，且服从均值为的同一指数分布。
2．设随机过程其中为正常数，和是互相独立的随机变量，且和服从在区间上的均匀分布，则的数学期望为。
3．强度为λ的泊松过程的点间间距是互相独立的随机变量，且服从均值为的同一指数分布。
2018/2/22 20:14:46
147KB
1
初始聚类中心给定。
K均值聚类算法首先是聚类算法。
K均值算法是一种简单的迭代型聚类算法，采用距离作为类似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有值的均值得到，每个类用聚类中心来描述。
它将类似的对象归到同一个簇中，聚类方法几乎可以应用于所有对象，簇内的对象越类似，聚类的效果越好，之所以称之为K-均值是因为它可以发现k个不同的簇。
K均值聚类算法首先是聚类算法。
K均值算法是一种简单的迭代型聚类算法，采用距离作为类似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有值的均值得到，每个类用聚类中心来描述。
它将类似的对象归到同一个簇中，聚类方法几乎可以应用于所有对象，簇内的对象越类似，聚类的效果越好，之所以称之为K-均值是因为它可以发现k个不同的簇。
2018/3/20 4:08:39
1.7MB
1
首先，读取利用数据绘制了31个省份的直方图和曲线图并进行分析；
其次，利用手肘法确定K均值聚类的K值并对数据31个样品进行K均值聚类；
再次；
利用K均值聚类的效果，采用同样分类个数的模糊C均值聚类方法对31个样品再次聚类，并得到了每个样品聚类的结果和概率；
最初，根据原始数据求得其协方差矩阵并进行主成分分析，基于生活经验与查阅资料对主成分进行解释和验证。
其次，利用手肘法确定K均值聚类的K值并对数据31个样品进行K均值聚类；
再次；
利用K均值聚类的效果，采用同样分类个数的模糊C均值聚类方法对31个样品再次聚类，并得到了每个样品聚类的结果和概率；
最初，根据原始数据求得其协方差矩阵并进行主成分分析，基于生活经验与查阅资料对主成分进行解释和验证。
2022/10/3 19:18:12
10KB
1
使用MATLAB实现的局部均值分解（LMD,LocalMeanDecomposition）代码。
大量使用了matlab内建函数，尽可能地精简了代码，仅100余行的代码量很方便阅读修改。
并且可以根据输入数据的格式自顺应地调整计算、绘图时的各种参数，方便直接运行。
大量使用了matlab内建函数，尽可能地精简了代码，仅100余行的代码量很方便阅读修改。
并且可以根据输入数据的格式自顺应地调整计算、绘图时的各种参数，方便直接运行。
2018/8/10 9:07:49
3KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB