大道至简阅读笔记02

  程序=算法+结构+方法;

  懒人造就方法:

  本书以人所周知的典故愚公移山为例,生动形象。关键是易懂。如下:

    两千年的某一天,闲极无聊的李冰下厨给夫人炒了一个小菜,他发现垒灶的鹅卵石被烧得爆裂开来,遇水尤甚。从此《史记》上记下“蜀守冰凿离堆”,另一本书记下了他做这件事的方法“积薪烧之”,在差不多的同一时间,愚公在山北之塞“碎石击壤”。愚公越发的勤快,也就越没机会找到更快的方法。提出新的方法,解决的将是影响做事成效的根本问题。

愚公移山,在当代软件工程中看来,是不可取的。勤奋的人本身是没有错的,可人精力终归有限,没有方法,工作中拿不出成绩,公司不需要这样的人。所谓“懒人”造就了方法,即提出新的方法。也不是说要我们去做一个真正的懒人,作者的意思是要我们多思考问题。“勤快”的愚公创造不了方法。一味的勤快并不是什么好事儿,至少在软件工程中是这样子的。软件工程的道路上,我们要不断摸索,创造自己的方法!程序不止于算法+结构,它还需要方法。

   对于愚公移山和“懒人”造就方法,我深有体会。我想我就是属于愚公这样的人吧,总是认为付出就有回报,本人在这种事情上已经吃过很多亏了。在刚入软件工程的时候,建民老师非常重视培养我们的自学能力。自学的过程中方法就显得格外的重要,记得之前我因为学习方法的失误,学习进度很慢以至于难以跟上老师的步伐,再加上我一直一个人背着书包去自习室,结果一整天收获还没有人家的俩小时,差距就这么拉开了。现在也是非常后悔当时的做法,一根筋努力,没有方法。不过今天既然已经意识到了这一点,往后的软件道路上,我要将自己的大脑放的开阔一些,遇到问题了,“多偷偷懒”,想个方法抄近道。

转载于:https://www.cnblogs.com/sengzhao666/p/11056062.html

变分模态分解(Variational Mode Decomposition, VMD)是一种强大的非线性、无参数信号处理技术,专门用于复杂非平稳信号的分析与分解。它由Eckart Dietz和Herbert Krim于2011年提出,主要针对传统傅立叶变换在处理非平稳信号时的不足。VMD的核心思想是将复杂信号分解为一系列模态函数(即固有模态函数,IMFs),每个IMF具有独特的频率成分和局部特性。这一过程与小波分析或经验模态分解(EMD)类似,但VMD通过变分优化框架显著提升了分解的稳定性和准确性。 在MATLAB环境中实现VMD,可以帮助我们更好地理解和应用这一技术。其核心算法主要包括以下步骤:首先进行初始化,设定模态数并为每个模态分配初始频率估计;接着采用交替最小二乘法,通过交替最小化残差平方和以及模态频率的离散时间傅立叶变换(DTFT)约束,更新每个模态函数和中心频率;最后通过迭代优化,在每次迭代中优化所有IMF的幅度和相位,直至满足停止条件(如达到预设迭代次数或残差平方和小于阈值)。 MATLAB中的VMD实现通常包括以下部分:数据预处理,如对原始信号进行归一化或去除直流偏置,以简化后续处理;定义VMD结构,设置模态数、迭代次数和约束参数等;VMD算法主体,包含初始化、交替最小二乘法和迭代优化过程;以及后处理,对分解结果进行评估和可视化,例如计算每个模态的频谱特性,绘制IMF的时频分布图。如果提供了一个包含VMD算法的压缩包文件,其中的“VMD”可能是MATLAB代码文件或完整的项目文件夹,可能包含主程序、函数库、示例数据和结果可视化脚本。通过运行这些代码,可以直观地看到VMD如何将复杂信号分解为独立模态,并理解每个模态的物理意义。 VMD在多个领域具有广泛的应用,包括信号处理(如声学、振动、生物医学信号分析)、图像处理(如图像去噪、特征提取)、金融时间序列分析(识
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