🔴归一化处理：激励函数的敏感区间大都是在-1到1之间，比如双极型S函数或者正切激励函数，或者是在0到1之间，比如单极型S函数，归一化处理作用：减小数量级的影响，有效提升数据预测精度，以及消除数据单位的影响，在matlab中使用mapminmax函数对数据归一化 🌈数据分解算法：emd(经验模态分解算法) , vmd(变分模态分解算法) ，eemd(集合经验模态分解算法) , ceemdan(完全自适应噪声集合经验模态分解算法) , tvf-emd(时变滤波经验模态分解算法), 小波分解算法等，数据分解算法的核心：对分解后的数据进行频域分析，得到趋势项以及细节项分量，通常在特征提取和数据降噪时使用，当未发生模态混叠情况时，即完成分解 🔴归一化处理：激励函数的敏感区间大都是在-1到1之间，比如双极型S函数或者正切激励函数，或者是在0到1之间，比如单极型S函数，归一化处理作用：减小数量级的影响，有效提升数据预测精度，以及消除数据单位的影响，在matlab中使用mapminmax函数对数据归一化 🌈数据分解算法：emd(经验模态分解算法) , vmd(变分模态分解算法) ，eemd(集合经验模态分解算法) , ceemdan(完全自适应噪声集合经验模态分解算法) , tvf-emd(时变滤波经验模态分解算法), 小波分解算法等，数据分解算法的核心：对分解后的数据进行频域分析，得到趋势项以及细节项分量，通常在特征提取和数据降噪时使用，当未发生模态混叠情况时，即完成分解 🌈归一化处理：激励函数的敏感区间大都是在-1到1之间，比如双极型S函数或者正切激励函数，或者是在0到1之间，比如单极型S函数，归一化处理作用：减小数量级的影响，有效提升数据预测精度，以及消除数据单位的影响，在matlab中使用mapminmax函数对数据归一化 🌈数据分解算法：emd(经验模态分解算法) , vmd(变分模态分解算法) ，eemd(集合经验模态分解算法) , ceemdan(完全自适应噪声集合经验模态分解算法) , tvf-emd(时变滤波经验模态分解算法), 小波分解算法等，数据分解算法的核心：对分解后的数据进行频域分析，得到趋势项以及细节项分量，通常在特征提取和数据降噪时使用，当未发生模态混叠情况时，即完成分解 #深度学习数据处理 #思路方法