求取二组信号的均方根误差，你指的拥有。

求取二组信号的均方根误差，程序很简单，一看就明白，直接输入二组信号即可求出均方根误差。

ITD分解-提取样本熵特征，完美运行，你值得拥有。

首先将我们需要分析的实验数据进行itd分解，可以自己设置分解的个数，在通过相关系数帅选分量，并求出他们的样本熵特征，你指的拥有，可以的话，希望给一个好评。

ITD- 相关系数-信息熵特征

首先将振动信号进行itd分解，可以自己设置分解的个数，然后通过相关系数帅选分量，在求出他们的信息熵特征，构造一个样本的特征向量，完美运行，你值得拥有，希望给一个好评。

LMD分解信号，提取样本熵的特征，完美运行，你指的拥有。

将实验的数据进行lmd分解，得到分解的pf分量通过求相关系数来说筛选分量，在求出分量的样本熵构造一个样本的样本熵的特征向量，你指的拥有，有帮助的话，希望你好评，谢谢，有问题加我主页qq。

LMD分解信号-相关系数筛选分量-提取信息熵特征

这是一个样本的实验，现将振动信号进行LMD分解，得到分解后的PF分量，在求分量的相关系数啦筛选分量，在求每一个PF分量的样本熵特征，构造一个特征向量，你指的拥有，有帮助的话，希望你好评，谢谢，有问题加我主页qq。

CEEMD-相关系数-样本熵特征，用于故障分类的特征提取

这是一个样本的实验，现将振动信号进行CEEMD分解，得到imf分量，在求imf分量的相关系数啦筛选分量，在求每一个imf分量的样本熵特征，构造一个特征向量，你指的拥有，有帮助的话，希望你好评，谢谢，有问题加我主页qq。

CEEMD分解-imf分量相关系数-信息熵特征

这是一个样本的实验，现将振动信号进行CEEMD分解，得到imf分量，在求imf分量的相关系数啦筛选分量，并求一个样本的信息熵特征，构造一个特征向量矩阵，然后自己选择类器进行分类。

求信号的信息熵，完美运行，一看就懂，你指的拥有。

一般我们喜欢现将信号分解，再求他的信息熵。这是我直接将一个信号先求器概率分布，再求其信息熵，一看就懂，你指的拥有。不懂的看我主页，加我qq问我，谢谢。

LQV神经网络分类，可以运行，你指的拥有。

把提取的特征利用LQV神经网络进行分类，这是我随便做的一个例子，因为特的原因，正确率不是很高，里面有把数据归一化和不归一化处理的二种分类，你指的拥有。用你自己提取的特征，效果肯定很好。

PSO粒子群寻优

这是一个例子，利用粒子群寻优一个函数，求这个函数的最小值，程序可以运行，你指的拥有。又不懂的看我主页的qq，叫我，我解答。