jyj019的博客

有时候更多数据处理从语言角度，调用不同api处理数据。但是从业务的角度想就很少了，最近从业务的角度了解了下常见数据处理的方法，总结如下：

有限元法概念基本思想有限元素方法是基于变分原理，既通过求解一个泛函取极小值的变分问题。有限元素法是在变分原理的基础上吸收差分格式的思想发展起来的, 是变分问题中欧拉法的进一步发展。它是人们在尝试求解具有复杂区域, 复杂边界条件下的数学物理方程的过程中,找到的一种比较完美的离散化方法。它比有限差分法的矩形网格划分方法在布局上更为合理，在处理复杂区域和复杂边界条件时更方便和适当。采用有...

小波变换公式，原理小波变换是STFT短时傅里叶变换的替代方案将傅里叶无限长的三角函数换成了有限长会衰减的小波基STFT和CWT之间的主要区别1，窗口化信号的傅里叶变换不被采用，因此单个峰值被看作对应于正弦曲线，即负频率不被计算。2， 窗口化的密度随着针对单一频谱分量计算变换而改变，这可能是小波变换最显著的特征。小波波形：衰减迅速的震荡分为cwt连续小波变换和dwt离...

一维离散小波分析数据挖掘流程在数字信号处理中常常需要同时获取信号的时域和频域特征，但窗口傅里叶变换不可能在时间和频率两个空间同时以任何精度逼近被测信号。但小波分析提供了一种灵活性很高的方法，可以根据需要选取时间或者频率的精度，可以在多分辨率下进行分解信号的小波分析。在此选择工业上应用广泛的一维离散小波分析（1-D Discrete Wavelet Analysis）。算法原理离散小...

小波阈值去噪分析数据挖掘流程传统的去噪方法根据噪声能量一般集中于高频，而信号频谱分布于一个有限区间的特点，用傅里叶变换将含噪信号变换到频域，然后采用低通滤波器进行滤波。但基于傅里叶变换的去噪方法不能将有用信号的高频部分和由噪声引起的高频干扰加以有效地区分，存在着保护信号局部性和抑制噪声之间的矛盾。而小波变换可以很好的保存信号的尖峰和局部突出部分。小波去噪的发展可以归纳为三种方法：（1）...

强化学习概念强化学习（Reinforcement learning（RL)）是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。在机器学习问题中，环境通常被规范为马可夫决策过程（MDP），所以许多强化学习算法在这种情况下使用动态规划技巧。强化学习和标准的监督式学习之间的区别在于，它并不需要出现正确的输入/输出对，也不需要精确校正次优化的行为。强化学习更加专注于在线规划，需...