实习第三天

终于迎来第一个周五啦,话说这也是这周里最悲惨一天了。

 

先是交通:早上依旧是等首班车,开心的是今天他竟然提前到了,想着早点到公司晚上就能早点下班或许还能赶上末班车,结果到了四桥那段路那叫一个堵,差点还给迟到了。到了公司才知道是因为钱江三桥蹋了,因此大部分早高峰都转移到四桥来了。我去,让辆货车就给压塌了,这得有多豆腐渣 = =、

 

再是天气:早上出门查下天气,依旧是雷阵雨,我犹豫再三还是不带伞了,平白地增加负重。结果接近下班时滨江那是一阵暴雨啊,万幸最后稍稍收敛了点,让我能冒着细雨冲向了公交站,

 

说说今天的工作吧,早上还是参加新人培训,授课的是曾经技术一面的面试官mm,感觉挺亲切的:)。内容是关于设计测试用例的方法,像黑盒的等价类划分、因果图、评定表,白盒的各种覆盖测试等,虽然也是些理论知识,但导师举了例子,模拟了一个待测试的系统,让我们当堂讨论,觉得这样的形式还是不错的。(比昨天的纯理论大叔有效果多了)下午继续是“预研游戏”,无聊时观察下各位前辈在写的测试文档,哎,啥时候能正式给我接触项目啊,指派的简单点的测试小任务也行嘛...吃晚饭时聊天,组长大人提醒我说公司员工每周是要写工作总结的,所以我这周工作总结就是“预研游戏”?这让我情何以堪嘛。。。

 

恩,今天就到这吧,明天要去滨江寻合租的房子,天天挤公交哪受得了嘛,现在就查查去~~

【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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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