论文研究-基于EMD与神经网络的中国股票市场预测.pdf

论文研究-基于EMD与神经网络的中国股票市场预测.pdf,  应用EMD分解算法、混沌分析和神经网络理论提出了一种中国股票市场建模及预测的EMD神经网络模型.首先应用EMD分解算法把原始股市时间序列分解成不同尺度的基本模态分量,并在此基础上进一步分析, 表明中国股市存在混沌特性;再经混沌分析和神经网络进行组合预测,提高了模型对多种目标函数的学习能力, 有效提高了预测精度. 实验表明:与现有方法相比, 该方法具有较高的精度.

论文研究-基于网络搜索和CLSI-EMD-BP的旅游客流量预测研究.pdf

论文研究-基于网络搜索和CLSI-EMD-BP的旅游客流量预测研究.pdf,  准确的旅游预测对于旅游政策制定当局和游客都具有重要意义，可以帮助资源的合理配置并避免拥堵事件和游客滞留事件的发生.为了提高旅游预测的准确性，本文考虑噪声在预测中的干扰，提出一种基于网络搜索的CLSI-EMD-BP预测模型.该模型首先利用CLSI方法对网络搜索数据进行指数合成，并利用EMD对序列进行噪声处理，将高频噪声从原序列中分离，再利用去噪处理后的网络搜索数据对旅游客流量进行预测.实证分析以九寨沟为例对预测期内未来22周旅游客流量进行预测发现，基于网络搜索的CLSI-EMD-BP预测误差显著低于时间序列、网络搜索和BP神经网络三个基准模型.该结论一方面说明了本文预测模型的改进作用，另一方面也表明了噪声处理在预测中的必要性.

论文研究-基于EMD的降雨径流神经网络预测模型.pdf

论文研究-基于EMD的降雨径流神经网络预测模型.pdf,  针对小波变换方法的不足，运用EMD方法对黄河兰州以上二级水资源分区45年（1956--2000年）的年降雨量序列进行多时间尺度分析，发现该区域年降雨量存在准3年、准4--8年、准11年波动周期，并探讨了各IMF分量的物理背景及其趋势变化；然后以年降雨量的EMD分量为输入，以相应的年径流量为输出，建立了基于EMD的年降雨径流BP神经网络预测模型. 研究结果表明：EMD作为一种全新的信号处理方法,可以对水文时序进行精确的多时间尺度分析，进而掌握其局部变化规律，为人工神经网络提供高质量、多层次的输入变量，显著提高模型质量.

论文研究-结合EMD和加权Mel倒谱的语音共振峰提取算法.pdf

提出了一种利用经验模态分解（Empirical Mode Decomposition，EMD）和加权Mel倒谱（Weighted Mel-Cepstrum coefficients，WMCEP）提取语音信号共振峰的算法。对语音信号进行EMD分解，找出含有共振峰的固有模态函数（Intrinsic Mode Function，IMF），并将其重构得到一个新的重构语音信号。对重构语音信号进行加权Mel倒谱分析，获得包含频谱主要成分的加权Mel倒谱系数；利用离散余弦平滑算法，从加权Mel倒谱系数获得谱包络，并从谱包络的峰值位置获得候选共振峰；根据共振峰的连续性约束条件和频率范围，从候选共振峰筛选得到共振峰的估计值。实验结果表明，该算法比单独使用WMCEP提取的共振峰误差更小，而且在信噪比小于20 dB时仍然能够准确提取出共振峰。

论文研究-消除EMD端点效应的PSO-SVM方法研究.pdf

论文研究-消除EMD端点效应的PSO-SVM方法研究.pdf,  经验模态分解(empirical mode decomposition, 简称EMD)的端点效应使得EMD分解结果产生严重失真, 为了减小分解过程中产生的端点效应, 将支持向量机(SVM)这一智能算法引入EMD, 提出采用SVM模型解决分解中产生的端点效应问题. 通过支持向量机对其原始数据两端进行延拓, 以获得一个或者多个极大值和极小值. 为了使端点处的延拓变得更加合理, 引入粒子群(PSO)智能算法对支持向量机算法参数进行优化, 使其两个端点处的数据延拓得更加准确, 从而使得三次样条曲线在端点处不会发生大的摆动, 实现EMD分解的固有模态函数(IMF)更加准确可靠. 通过对仿真信号的研究表明, 基于PSO-SVM 方法的延拓方法能够很好地抑制了分解的端点效应.

论文研究-基于EMD和混沌神经网络的月平均温度预测方法研究 .pdf

基于EMD和混沌神经网络的月平均温度预测方法研究，刘玉珠，张颖超，为提高月平均温度预测的准确率，针对月平均温度时间序列具有非线性、非平稳的特征，提出将经验模态分解（EMD）、相空间重构理论和

论文研究-基于EMD-PSR-LSSVM的城市燃气管网短期负荷预测.pdf

论文研究-基于EMD-PSR-LSSVM的城市燃气管网短期负荷预测.pdf,  城市燃气管网短期负荷预测对燃气调度系统的安全与稳定具有重要意义. 为了提高城市燃气管网短期负荷预测精度,建立了基于经验模态分解(EMD)-相空间重构(PSR)-最小二乘支持向量机(LSSVM)的组合预测模型. 首先,运用EMD算法把原始非线性时间序列分解为互不耦合的模态分量,并采用PSR算法确定LSSVM建模中各个分量的输入输出结构; 其次,运用PSO算法对LSSVM建模中的参数进行优化,使用训练好的LSSVM模型对各个IMF分量进行回归预测; 最后运用该组合模型对郑州市燃气管网负荷进行短期预测.结果表明:与LSSVM回归预测和BP神经网络预测模型相比,本文提出的组合模型的预测精度更高,是一种更为有效的城市燃气管网短期负荷预测方法.

论文研究-基于平均包络线匹配算法的EMD端点效应分析及在股价趋势分解中的应用.pdf

论文研究-基于平均包络线匹配算法的EMD端点效应分析及在股价趋势分解中的应用.pdf,  经验模式分解(EMD)能够有效获得非平稳非线性信号的时频特征,但传统的EMD分解算法存在严重的端点效应. 在深入研究和分析EMD算法的基础上,提出了一种基于波形匹配的端点效应处理方案,通过计算波形匹配度, 在平均包络线内部寻找与其端部变化趋势最为接近的子波,并用这段子波代替平均包络线的边缘部分, 使处理后的平均包络线极大地接近真实包络线,并把这种端点效应处理方案的EMD分解算法应用到实际的股票市场价格趋势分解中.实验结果表明,与经典的EMD边界延拓算法相比,本文提出的算法能更有效地抑制EMD分解时的边界效应, 分解得到的固有模式函数更能体现模拟信号真实的频率、幅值信息.应用实验表明:与现有方法相比,该方法更能提高预测精度.

论文研究-EMD算法在嵌入式故障诊断系统中的实现.pdf

本文将遗传算法(GA)和模拟退火算法(SA)相结合研究了双资源生产车间的调度优化问题，该混合算法将机床设备和工人合理地分配给加工任务，使评价性能指标获得最优。通过与国内外学者的算法进行比较，本算法获得的生产周期最短，机床利用率和工人利用率都较高；并且在某些情况下，平均流动时间也较短；因此可以证明本文所提算法具有一定的优越性。

论文研究-基于EMD-WA模型的BDI指数波动周期特征研究.pdf

论文研究-基于EMD-WA模型的BDI指数波动周期特征研究.pdf,  运用结合EMD分解和小波分析构建的EMD-WA模型，分析了国际干散货市场BDI指数的波动周期特征.通过EMD方法对BDI指数序列进行分解，针对分解出的本征模函数的均值、方差比和周期三个方面的特点，将不同频率的IMF进行分类重构，最后通过小波分析方法得到重构序列的主周期情况，并对结果做进一步分析.研究结果表明：一是BDI序列可以分解为随机波动项、周期波动项和趋势项三部分：二是季节性波动周期长度约为1年（0.88年），短周期长度约为4年（3.70年），中周期长度约为10年（9.96年）；三是BDI序列周期特别是短周期呈明显4年到2年的缩短趋势；四是突出分析了重大事件与中、长周期紧密联系.

论文研究-极限学习机延拓的BS-EMD端点效应抑制算法及应用.pdf

针对希尔伯特-黄变换过程中经验模态分解出现的端点效应问题，采用极限学习机（Extreme Learning Machine，ELM）算法对原始数据序列分别向左右两端延拓，对扩展后的数据序列用B样条插值函数求其平均曲线，在此基础上进行下一步分解，结束分解后摒弃两端延展的数据，使算法得到优化，起到了抑制端点效应的作用。通过与未经延拓，BP神经网络延拓和支持向量机延拓各项指标的对比分析表明，该算法不仅有效抑制了经验模态分解过程中的端点效应，在预测速度和分解精度上都有一定的优势。将该方法应用于电力系统的谐波分析中，仿真结果表明该方法能有效抑制EMD的端点效应，更好地分解出谐波中含有的不同频率谐波分量。

论文研究-EMD-SDC方法在机载连接词语音识别系统中的应用.pdf

机载连接词语音识别系统与传统语音识别系统相比，具有背景噪声大，系统识别率要求高等特点。依据这些特点，提出了一种基于经验模态分解增强和位移差分倒谱特征的EMD-SDC连接词语音识别方法。经验模态分解的调频调幅特性，可以有效提高机载复杂噪声背景下的端点检测准确度，位移差分倒谱特征由语音帧的一阶差分谱连接扩展而成，能够更好地提取依赖于语言结构的时序信息。该方法对机载交通预警避撞系统提示语音库进行测试，实验结果表明，采用EMD-SDC方法的机载连接词语音识别系统，能够很好地克服机舱背景噪声干扰，在低信噪比条件下实现较高的识别率。

论文研究-基于EMD和交叉熵的语音端点检测算法.pdf

In view of the problem that speech endpoint detection based on Empirical Mode Decomposition（EMD） loses its accuracy and adaptive in adverse environments, this paper proposes a novel speech endpoint detection algorithm based on EMD and cross-entropy. EMD decomposition characteristic is analyzed that probability distribution of white noise in each Intrinsic Mode Functions（IMF） is identified and unrelated to noise amplitude. Since probability distribution of white noise is different from that of speech signal, cross-entropy is used to reflect the difference of speech-frames and noise-frames. EMD-energy feature and cross-entropy are complementary so that they are combined to be a comprehensive determination for speech endpoint detection. Adaptive threshold is set to adapt to negative environments. It catches the changes of noise energy and then it is self-updated to improve accuracy in speech endpoint detection. Simulation results indicate that it is effective and superior in the presence of low Signal-to-Noise Ratio（SNR） and non-stationary noise.

论文研究-EMD和CSP融合最优波长空间滤波脑电特征提取方法.pdf

基于经验模式分解和共空间模式，结合最优波长空间滤波，提出了三者相结合的特征提取方法。该方法首先利用经验模式分解进行分解，得到固有模态函数，选择合适的固有模态函数进行信号的重构，然后将重构的信号进行最优波长空间滤波变换，得到最优的波长选择信号，再经共空间模式投影映射，提取相应的特征向量，最后利用支持向量机进行分类。运用该方法对9位受试者进行分类结果分析，平均分类准确率在95%以上，实验表明，提出的算法具有较好的分类识别性。

论文研究-EMD在语音情感识别中的应用与研究.pdf

语音情感计算引起了国内外广泛的关注，特别是在语音情感特征提取方面做了大量的研究。利用经验模态分解（EMD）方法对情感语音进行处理，得到情感语音的前4阶固有模态函数（IMF），并将前4阶IMF分别通过Hilbert变换得到其瞬时频率和瞬时振幅。提取它们的统计特征，再结合情感语音的声学特征共同组成情感特征向量，并对特征向量做归一化处理。利用支持向量机（SVM）对四种情感语音即生气、高兴、悲伤和平静进行识别。实验结果表明该方法的识别效果较好。

论文研究-基于非线性修正策略的空气质量预警系统研究.pdf

论文研究-基于非线性修正策略的空气质量预警系统研究.pdf,  建立科学、有效的空气质量预警系统，对于保护人们的身体健康和促进社会和谐稳定具有重要的科学价值和实际意义.为此，本文首先利用孤立森林（isolation forest，iForest）算法进行空气质量指数（air quality index，AQI）离群点分析，然后建立了一种空气质量预警系统，该系统由数据预处理模块、优化模块、预测模块和修正模块构成，融合了时变滤波经验模态分解（time varying filtering based empirical mode decomposition，TVF-EMD）、改进的蝴蝶优化算法（modified butterfly optimization algorithm，MBOA）、离群鲁棒极限学习机（outlier robust extreme learning machine，ORELM）和非线性修正策略，该预警系统成功地实现了空气质量的有效预警.同时，以污染程度不同的5个城市作为实验地点对预警效果进行检验，结果表明：1）与经验模态分解（empirical mode decomposition，EMD）相比，TVF-EMD可以更为有效地降低原始数据的非线性和非平稳性特征；2）基于MBOA的误差非线性修正策略比其他误差修正策略更胜一筹，可以显著提高预警系统的性能；3）建立的预警系统的性能要优于其他对比模型，可以对污染程度不同的城市进行有效预警.

论文研究-EMD-SIFT based Deep Space Image Matching Method.pdf

基于深空探测图像的EMD-SIFT图像配准方法，尹孟征，吴雪晨，本文提出了一种基于小行星图像序列的尺度不变特征配准方法，该方法包括应用经验模态分解方法（EMD）从图像序列中提取特征，再通过

论文研究-基于EMD和优化K-均值聚类算法诊断滚动轴承故障.pdf

考虑到滚动轴承振动信号的非平稳特征和实际应用中典型故障样本不易获得等原因, 而在实际应用中, 故障程度识别和故障类型诊断一样重要, 提出一种滚动轴承故障类型及故障程度识别方法。首先对原始振动信号进行EMD分解, 对含故障特征的IMFintrinsic mode function分量进行信号重构, 随后对重构信号进行Hilbert包络谱分析, 在提取特征量的基础上, 应用优化K-均值聚类算法进行故障类型和故障程度分类。实验结果表明：基于EMD和优化K-均值聚类的故障类型和故障程度识别算法, 可将含不同故障类型的样本集, 按故障类型进行正确分类; 也可将含同种故障类型、不同故障程度的样本集, 按故障程度进行正确分类。

论文研究-基于EMD算法的频率分析模型 .pdf

基于EMD算法的频率分析模型，罗通，黄炜，根据EMD算法在分析非线性时变信号中的有效性，给出了基于EMD算法的频率分析模型，提出把EMD制作成IP Core的观点，叙述了EMD IP Core内部信