资源简介
支持向量数据描述,单类分类器,在支持向量机的基础上发展而来。
代码片段和文件信息
clc
clear all
close all
Ts=0.001;
num_t=500;
t=0:Ts:Ts*num_t;
n1=randn(numel(t)1);
n1=(n1-mean(n1));
vary1=var(n1);
n1=n1/sqrt(vary1);
z1=10*sin(2*pi*10*t);
z2=[zeros(190) cos(2*pi*100*t(191:130)) zeros(1numel(t)-130)];
xx=z1+z2;
x=xx+max(z2)*n1.‘*0.5;
%z1=2*sin(2*pi*50*t);
%z2=5*sin(2*pi*75*t);
%x=z1+z2+0*rand(1numel(t));
%x=1*sin(100*pi*t)+0.3*sin(250*pi*t)+0.3*sin(500*pi*t); % compare with SVD
%x=1*sin(100*pi*t)+5*sin(150*pi*t);
%x=10*cos(2*pi*100*t)+cos(2*pi*250*t);
%x=10*cos(2*pi*10*t)+[zeros(149) cos(2*pi*600*t(150:60)) zeros(1numel(t)-60)];
%x=10*cos(2*pi*10*t)+cos(2*pi*60*t)+0.5*randn(1numel(t));
%x=10*cos(2*pi*10*t)+[zeros(149) 10*cos(2*pi*600*t(150:60)) zeros(1numel(t)-60)]+randn(1numel(t));
num_x=numel(x);
num_row=
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 6755 2007-06-27 11:52 SVD\noise\svd_shocksin.m
文件 6756 2006-11-17 09:32 SVD\noise\svd_test.m
文件 6731 2006-11-13 14:36 SVD\nonoise\svd_shocksin.m
目录 0 2010-12-13 10:52 SVD\noise
目录 0 2010-12-13 10:52 SVD\nonoise
目录 0 2010-12-13 10:52 SVD
----------- --------- ---------- ----- ----
20242 6
- 上一篇:MATLAB的异步电机特性仿真与分析终稿
- 下一篇:A率13折线编码代码
相关资源
- svd_nosie_removing
- KSVD 图像稀疏编码的方法
- SVDD LIBSVM中的SVDD(Support vector data de
- k_svd k-svd算法m代码.用于形成冗余字典
- KSVD-for-SAR_LOG 用基于稀疏表示和KSVD字
- demo KSVD图像去噪
- KSVD KSVD算法程序
- ksvdsbox11-min KSVD字典训练程序
- KSVD 稀疏表示中字典学习算法KSVD的实
- K-SVD_code 做实验时找到的K-SVD算法的
- L1_SVD 利用压缩感知实现波达方向估计
- KSVD_Matlab_ToolBox 数字图像处理
- svd 对一个信号进行奇异值分解
- CBIR
- Compression-sensing 压缩传感理论
- KSVD
- low-rank-ksvd already overcomplete trained D
- K-SVD-dictionary-training-algorithms 基于KSv
- K-SVD-algorithm 是一个关于KSVD的算法介绍
- K-SVD 详细介绍了K-SVD字典训练的详细过
- SVD 对lorenz信号的(svd)奇异值分解降
- svdd 支持向量 描述
- FRFT-SVD数字盲水印MATLAB
- 最小二乘法和SVD最小二乘法估计在M
- Lansvd奇异值分解
评论
共有 条评论