頻域是通過傅利葉變換將時域進行變換，傅利葉變換具體請看這是一位大牛，解釋的很清除並且易懂。其中傅利葉變換，拉普拉斯變換，z變換真的很重要！！！
[** ][s,fk]=xfft(x); function [s,fk]=xfft(x,fs) [m,]=size(x); for i=1:m t=x(i,:); %%%%%% t=t-mean(t); n=length(t); n=0:n-1; f=n*fs/n; t_fft=2*abs(fft(t))/n; h=t_fft(1:n/2); %%%%%% s(i,:)=h; fk(i,:)=f(1:n/2); end
[** ]s=mean(s,2);;
[** ]msf=msf(s,fk) function y=msf(x,fk) [m,]=size(x); for i=1:m p=x(i,:); h=fk(i,:); q=sum((h.^2).*p); a=sum(p); y(i,:)=q/a; end function y=vf(x,fk) [m,]=size(x); fc=fc(x,fk); for i=1:m s=x(i,:); h=fk(i,:); l=fc(i,:); a=((h-l).^2).*s; b=sum(a); c=sum(s); t=b/c; y(i,:)=t; end;
[** ] ```vf=vf(s,fk); ``
[** ] ```vf=vf(s,fk); ``
[** ] ```sva=var(s,1,2); ``
[** ] ```sks=pxd(s)./(std(s,1,2).^3);
function y=pxd(x)
[m,n]=size(x);
for i=1:m
s=x(i,:);
t=mean(s);
h=sum((s-t).^3);
q=h/n;
y(i,:)=q;
end ``
[** ] ```sks=pxd(s)./(std(s,1,2).^3);
function y=pxd(x)
[m,n]=size(x);
for i=1:m
s=x(i,:);
t=mean(s);
h=sum((s-t).^3);
q=h/n;
y(i,:)=q;
end ``
[** ] ```rvf=sqrt(vf); ``
[** ] ```p4=plwd(s,fk);
function y=plwd(x,fk)
[m,n]=size(x);
fc=fc(x,fk);
for i=1:m
a=x(i,:);
b=fc(i,:);
c=fk(i,:);
d=sum(((c-b).^3).*a);
e=sqrt((sum(((c-b).^2).*a))./n);
f=d/((e^3)*n);
y(i,:)=f;
end ``
[** ] ```p5=plqd(s,fk);
function y=plqd(x,fk)
[m,n]=size(x);
fc=fc(x,fk);
for i=1:m
a=x(i,:);
b=fc(i,:);
c=fk(i,:);
d=sum(((c-b).^4).*a);
e=sqrt((sum(((c-b).^2).*a))./n);
f=d/((e^4)*n);
y(i,:)=f;
end``
[** ] ```p6=pfgbl(s,fk); ``
其中s(k)(k=1,2,…,k)為時域訊號序列x(i)的頻譜序列，k為譜線數，f_k為第k條譜線的頻率值，s ̅為樣本頻域幅值平均值，ac的計算公式為：
頻域的特徵s1反映振動能量的大小；s2-s4反映主頻帶的位置；s5-s12反映頻譜的分散或集中程度。
分解得到的時頻域特徵 訊號的時頻域
訊號的時域與頻域有什麼不一樣？時域和頻域是訊號的基本性質，用來分析訊號的不同角度稱為域，一般來說，時域的表示較為形象與直觀，頻域分析則更為簡練，剖析問題更為深刻和方便。目前，訊號分析的趨勢是從時域向頻域發展。然而，它們是互相聯絡，缺一不可，相輔相成的。一 什麼是訊號的時域和頻域？時域即時間域 tim...
特徵工程介紹
1.特徵定義 為了提取知識和做出 機器學習使用數學模型來擬合資料。這些模型將特徵作為輸入。特徵就是原始資料某個方面的數值表示。在機器學習流程中，特徵是資料和模型之間的紐帶。特徵工程是指從原始資料中提取特徵並將其轉換為適合機器學習模型的格式。它是機器學習流程中乙個極其關鍵的環節，因為正確的特徵可以減輕...
特徵表達 統計 hash embedding
在機器學習領域的特徵，一般是乙個id，而且給這個id賦乙個值。1 這個特徵值的表達一般可以通過統計的tf 或其他類似的數字表示。2 比較難於理解的是hash在特徵表達裡也能起到比較重要的作用。通過對特徵運用hash函式，獲得對應的值。裁剪 分桶獲取對應的位表示。可以用作特徵，起到降維的作用。3 還有...