基于SVR的经验模态分解端点延拓改进方法

被引：19

作者：

王新 ^{[1
]}

王乾 ^{[1
]}

赵志科 ^{[2
]}

机构：

[1] 河南理工大学电气工程与自动化学院

[2] 中国矿业大学机电工程学院

来源：

计算机工程与应用 | 2014年 / 09期

关键词：

经验模态分解; 端点效应; 镜像延拓; 支持向量回归机;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习]; TP206.3 [];

学科分类号：

140502 [人工智能];

摘要：

针对经验模态分解过程中产生的端点效应问题,提出了将镜像延拓和支持向量回归机相结合的端点延拓改进方法。利用支持向量回归机对原始信号的极值点数据序列两端进行预测,用镜像延拓法确定所预测极值点的位置。该改进方法解决了支持向量回归机对长数据序列预测不准确,以及镜像延拓法对端点不是极值点的短数据序列处理效果不佳等问题。引入六个评价标准,对端点延拓方法的效果进行了分析。结果表明,该改进方法能有效地抑制经验模态分解产生的端点效应。

引用

页码：204 / 208

页数：5

共 15 条

[1]

基于EMD分解的端点延拓新方法 [J].