图片上传

<!DOCTYPE html>

<html>

<head>

<meta charset="UTF-8">

<title>Document</title>

<style>

button{background: #3b72bb; color: #fff; border-radius: 3px; height: 40px; width: 100px; border: none;

margin: auto; display: block; margin-top: 20px;

}

</style>

</head>

<body>

  <div id="localImag"><img id="preview" width=-1 height=-1 style="diplay:none" /></div>  

    <input type='file' name="doc" id="doc" hidden/>  

  <button id="xuanze">选择图片</button>

  <script> 
    var docObj=document.getElementById("doc"); 
    var imgObjPreview=document.getElementById("preview");  
    var localImagId = document.getElementById("localImag");   
    document.getElementById("xuanze").onclick=function(){

      document.getElementById("doc").click();

    }
    docObj.onchange = function(){
        

        if(docObj.files &&    docObj.files[0]){  

            //火狐下,直接设img属性  

            imgObjPreview.style.display = 'block';  

            imgObjPreview.style.width = '300px';  

            imgObjPreview.style.height = '500px'; 

            imgObjPreview.style.margin ='auto';

            //imgObjPreview.src = docObj.files[0].getAsDataURL();  

            //火狐7以上版本不能用上面的getAsDataURL()方式获取,需要一下方式    

            imgObjPreview.src = window.URL.createObjectURL(docObj.files[0]);  

        }
        else{  

                //IE下,使用滤镜  

                docObj.select();  

                var imgSrc = document.selection.createRange().text;  

                

                //必须设置初始大小  

                localImagId.style.width = "300px";  

                localImagId.style.height = "120px";  

                //图片异常的捕捉,防止用户修改后缀来伪造图片  

              try{

                  localImagId.style.filter="progid:DXImageTransform.Microsoft.AlphaImageLoader(sizingMethod=scale)";  

                  localImagId.filters.item("DXImageTransform.Microsoft.AlphaImageLoader").src = imgSrc;  

              }catch(e){  

                  alert("您上传的图片格式不正确,请重新选择!");  

                  return false;  

              }  

                imgObjPreview.style.display = 'none';  

                document.selection.empty();  

        }  

        return true;  
    }

</script>

</body>

</html>

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值