文件交换
32下载
更新2020年3月11日
从GitHub
查看版本历史记录
更新了代码以在多个信号上工作,因为原始是一次处理一个信号。
熵功能添加。
在GitHub上查看许可
一个MATLAB函数从每个节点的小波变换系数中提取5种类型的特征,这些特征包括:能量、方差、std、波形长度和熵。您可以根据需要修改和提取任何类型的特性。
**您需要小波工具箱来运行此代码。
Rami Khushaba(2021年)。使用多功能小波变换解压缩功能提取(https://github.com/ramikhushaba/getmswtfeat),github。检索到5月5日,2021年。
2017年9月4日
先生,请您说您已经提取了存储在可变feat中的树类型特征,给了我29*44 ??静态测量的能量、平均值和方差在哪里
2017年8月31日
2017年2月9日
迪迪克,你的评论涉及另一个提交,而不是这个!
你指的是小波包特征提取。在提交有一个附加的pdf教程。你的问题的答案是:看看树,分解为7层,并计算出结果树中有多少节点,它们将是1+2+4+8+16+32+64+128=255。
2017年1月16日
有人,请告诉我我们应该如何设置胜利和胜利者?然后,在README第39-40行:“总= 255个功能从上面的例子得到的结果是feat的大小是25 x 255”。我就是不明白,它是怎么得到25 x 255的?谢谢
2017年1月14日
2016年12月28日
非常感谢你
2016年10月1日
2016年8月11日
谢谢你很好
好吧
2014年10月9日
亲爱的先生,请告诉我一种识别孤立词语的方法。我使用“哦,如此Awesm”代码提取了不同单词的特征。100谢谢那个
2014年9月28日
2014年9月24日
博士
我很想知道我们是否有离散的脉冲响应信号。有可能使用你的代码从提到的信号中提取特征吗?
2014年9月16日
谢谢你,
你的问题的答案就在“你的问题下面”的评论里,请阅读评论。
谢谢博士如何用图像2D使用它
2014年2月14日
亲爱的Hamed Abdulaziz&Prabhakar
谢谢你的询问。我主要在信号特征提取中工作,而不是图像特征提取。我对你的建议可能是:1-重塑每个图像成矢量,并在每个矢量上应用此代码。2-或,使用2D小波分解命令(更适合图像)并以同样的方式从每个节点提取您的功能。注意使用2D版本,您将在每个节点上具有一个小图像,您可以使用类似时刻不变的内容来获取每个图像的功能。看这里 (//www.tatmou.com/.au/matlabcentral/fileexchange/33975-the-seven-invariant-moments)
谢谢
亲爱的Rami博士。Khushaba,
如何使用这种方法从图像中提取特征。
我会不耐烦地等待你的回答。
2013年12月14日
亲爱的Khushaba博士,
如何利用这种方法提取图像的特征
1月1日2013年8月1日
2013年7月26日
亲爱的Shiddiq Hashuro
我相信您在样本数量(前一个示例中的1024)和特征数量(前面示例中的44个)之间完全困惑。您只有44个功能而不是1276(那是错误的)。
我正在考虑发布一个视频来解释这一点,请关注我的网站(www.rami-khushaba.com)
谢谢拉米
2013年7月14日
感谢您的答复。它对我有很多帮助。如果你不介意的话,我还有更多问题。我使用特征提取器的计划是减少维数,但在这个例子中,之前的维数是,比如说,1024,之后,它变成了44x29,也就是1276,它变大了。我想我们应该选择重要的特征,对吗?如果你能给我一个方向,从哪里开始,你会帮助我很多,有什么相关的检查,你认为我可以做?
非常感谢您的宝贵时间。
2013年7月12日
感谢您的查询。目前代码适用于单个维度,即向量。如果您需要在多个维度上运行此代码,则只需使用for循环并为每个维度重复它。我很快将更新代码来解释,因为我也将此问题与小波包代码修复了。
另一方面,您对29x44的功能是正确的。对于10个级别,您应该获得11种功能,因为我们决定提取4种功能,然后我们得到11 x 4 = 44。至于29,由于我们使用重叠的窗口方案,那么总数1024分为32个样本的128个样本的窗口,因为32个样本,总共具有29个窗口,每个样本具有44个特征。
希望有帮助。如果你有进一步的询问,让我知道。
拉米
亲爱的Khushaba博士,谢谢楼主的分享。我尝试使用多个列的输入数据,但它给我这个错误的行61% feat(1:winsize, I) = detrend(curwin);%: ??下标赋值维度不匹配。我怀疑这是因为壮举(1:WINSIZE,i)(由1)的大小和结果的尺寸相同,与Curwin的大小相同(由Number_of_column胜过)..我可能能够修复这一行,但我不知道下一行,所以我可能需要你的帮助..但是,这可能是我身边的错误,无论如何请评论..
此外,您是否可以解释结果矩阵,输入的输入值(1024,1)%的输入结果维度(29×44)而不是(1到44),这是正常的吗?
谢谢你,你已经帮过我了。
2013年1月15日
找到Matlab Central中的宝藏,并发现社区如何帮助您!
在单个可执行文档中创建带有代码、输出和格式化文本的脚本。
了解实时编辑
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
你也可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
与当地办事处联系
先生,请您说您已经提取了存储在可变feat中的树类型特征,给了我29*44 ??静态测量的能量、平均值和方差在哪里
迪迪克,你的评论涉及另一个提交,而不是这个!
你指的是小波包特征提取。在提交有一个附加的pdf教程。你的问题的答案是:看看树,分解为7层,并计算出结果树中有多少节点,它们将是1+2+4+8+16+32+64+128=255。
有人,请告诉我我们应该如何设置胜利和胜利者?然后,在README第39-40行:“总= 255个功能
从上面的例子得到的结果是feat的大小是25 x 255”。我就是不明白,它是怎么得到25 x 255的?谢谢
非常感谢你
谢谢你很好
好吧
亲爱的先生,请告诉我一种识别孤立词语的方法。我使用“哦,如此Awesm”代码提取了不同单词的特征。100谢谢那个
博士
我很想知道我们是否有离散的脉冲响应信号。有可能使用你的代码从提到的信号中提取特征吗?
谢谢你,
你的问题的答案就在“你的问题下面”的评论里,请阅读评论。
谢谢博士
如何用图像2D使用它
亲爱的Hamed Abdulaziz&Prabhakar
谢谢你的询问。我主要在信号特征提取中工作,而不是图像特征提取。我对你的建议可能是:
1-重塑每个图像成矢量,并在每个矢量上应用此代码。
2-或,使用2D小波分解命令(更适合图像)并以同样的方式从每个节点提取您的功能。注意使用2D版本,您将在每个节点上具有一个小图像,您可以使用类似时刻不变的内容来获取每个图像的功能。看这里 (//www.tatmou.com/.au/matlabcentral/fileexchange/33975-the-seven-invariant-moments)
谢谢
亲爱的Rami博士。Khushaba,
如何使用这种方法从图像中提取特征。
我会不耐烦地等待你的回答。
亲爱的Khushaba博士,
如何利用这种方法提取图像的特征
亲爱的Shiddiq Hashuro
我相信您在样本数量(前一个示例中的1024)和特征数量(前面示例中的44个)之间完全困惑。您只有44个功能而不是1276(那是错误的)。
我正在考虑发布一个视频来解释这一点,请关注我的网站(www.rami-khushaba.com)
谢谢
拉米
亲爱的Khushaba博士,
感谢您的答复。它对我有很多帮助。
如果你不介意的话,我还有更多问题。我使用特征提取器的计划是减少维数,但在这个例子中,之前的维数是,比如说,1024,之后,它变成了44x29,也就是1276,它变大了。我想我们应该选择重要的特征,对吗?如果你能给我一个方向,从哪里开始,你会帮助我很多,有什么相关的检查,你认为我可以做?
非常感谢您的宝贵时间。
亲爱的Shiddiq Hashuro
感谢您的查询。目前代码适用于单个维度,即向量。如果您需要在多个维度上运行此代码,则只需使用for循环并为每个维度重复它。我很快将更新代码来解释,因为我也将此问题与小波包代码修复了。
另一方面,您对29x44的功能是正确的。对于10个级别,您应该获得11种功能,因为我们决定提取4种功能,然后我们得到11 x 4 = 44。至于29,由于我们使用重叠的窗口方案,那么总数1024分为32个样本的128个样本的窗口,因为32个样本,总共具有29个窗口,每个样本具有44个特征。
希望有帮助。如果你有进一步的询问,让我知道。
拉米
亲爱的Khushaba博士,
谢谢楼主的分享。
我尝试使用多个列的输入数据,但它给我这个错误的行61% feat(1:winsize, I) = detrend(curwin);%: ??下标赋值维度不匹配。
我怀疑这是因为壮举(1:WINSIZE,i)(由1)的大小和结果的尺寸相同,与Curwin的大小相同(由Number_of_column胜过)..
我可能能够修复这一行,但我不知道下一行,所以我可能需要你的帮助..但是,这可能是我身边的错误,无论如何请评论..
此外,您是否可以解释结果矩阵,输入的输入值(1024,1)%的输入结果维度(29×44)而不是(1到44),这是正常的吗?
谢谢你,你已经帮过我了。