文章目录声压级计算一个文件夹下多个文件的SPL执行文件exert国标计权A_curve一个文件夹下多组文件的SPL差执行文件exert一个总文件夹下多个子文件夹，每个子文件夹有多组文件，计算spl差。执行文件exert调用函数importdata 声压级计算一个文件夹下多个文件的SPL执行文件exert% 功能：遍历data文件夹下的所有文件，计算带A计权的声压级曲线，并在命令行显示SPL（dB
转载
2023-11-23 21:24:11
485阅读
声压级测量有Z，A和C频率计权，测量时必须选择正确的计权，才能测量到正确的结果。人耳对声音的敏感度是与声音的频率有关，一个100Hz 55dB的噪声听起来不如一个1000Hz 40dB噪声响，为了反应人对声音的这种主观感觉，在1950年代科学家提出了对声音进行A计权后再计算声压级，这样能反应人的主观感觉的声压级。 举一个通俗的例子，建筑工地来了一车大小不一的石子，不筛选直接称重相当于声学中的Z计
转载
2024-07-22 21:46:55
135阅读
声级计（又叫噪音计）中的计权(加权)：计权(Weighted)也称加权或听补偿，有两种含义：一是考虑到设备在正常使用和测量时的条件不同，对测量值所加的人为修正，称为加权。 声级计又叫噪音计是最基本的噪声测量仪器，它是一种电子仪器，但又不同于电压表等客观电子仪表。在把声信号转换成电信号时，可以模拟人耳对声波反应速度的时间特性;对高低频有不同灵敏度的频率特性以及不同响度时改变频率特性的强度特性
转载
2023-12-01 23:32:15
624阅读
A计权 (A-Weighted) 是一种用于音频测量的标准权重曲线，用于反映人耳的响应特性。声压电平源于A计权，用dbA表示，或称为A计权dB电平。A计权是广泛采用的噪声的单值评价指标，可以通过声级计测量得到。由于噪声的测量要反映人耳引起的响度感觉大小，需要充分考虑到人耳的听觉特性。人耳对于不同频段的声音变化敏感程度是不一样的，太高或者太低就越不敏感，就像一个A字，所以叫A-Weighted。A计
转载
2023-09-27 18:41:39
621阅读
Z=linkage(Y)使用最短距离算法生成具层次结构的聚类树。 输入矩阵Y为pdis
原创
2023-03-17 07:23:12
229阅读
以下代码依赖Fraclab工具下载地址：FracLab具体参考：Matlab中FracLab计算分形维数方法时间久远，并且已经不再搞这一块了，很多都忘了，望大家理解。boxdim_binaire.mfunction [boxdim,Nboites,handlefig,bounds]=boxdim_binaire(matrice,tailles_carres,pave_elementaire,Axe
转载
2023-07-23 19:01:46
58阅读
如果您最近购买了2250型或2270型声级计，并且需要快速启动和运行，我们这篇文章就是为您量身定制的。启动和运行的详细步骤当然在手册中，但在这里我们介绍了开始使用声级计的基本任务和功能。 如何启动并运行一台新的声级计？校准声级计2. 用于2250型和2270型的SD卡3. 选择测量模板 4. 如何应用A或C滤波器 - 频率计权5. 如何测量1/1-或1/3倍频程6. 如何使用语音笔记7
感悟：重点不在于代码[通过各种方法最终都能搓出来],而在于思想[多看多了解]。一、冒泡算法[bubble_sort]
def bubble_sort(L):
len_for_L = len(L)
for i in range(len_for_L-1):
flag = 0
for j in range(len_for_L-1-i):
转载
2023-11-26 23:41:41
128阅读
写在前面：个人理解：针对存在多项指标，多个方案的方案评价分析方法，也就是根据已存在的一份数据，判断数据中各个方案的优劣。中心思想是首先确定各项指标的最优理想值(正理想值)和最劣理想值(负理想解)，所谓正理想值是一设想的最好值（方案），它的的各个属性值都达到各候选方案中最好的值，而负理想解是另一设想的最坏的值（方案），然后求出各个方案与正理想值和负理想值之间的加权欧氏距离，由此得出各方
转载
2024-07-20 08:39:40
165阅读
鸢尾花（Iris）数据集是一个经典的数据集，用于机器学习和统计学习中的分类和聚类问题。该数据集包含了三种不同类型的鸢尾花（山鸢尾、变色鸢尾和维吉尼亚鸢尾）的测量数据，每种花各有50个样本。每个样本包含四个特征，即萼片长度、萼片宽度、花瓣长度和花瓣宽度，以及它所属的鸢尾花类型。该数据集最早由英国统计学家和生物
原创
2023-05-06 00:52:55
303阅读
1 内容介绍TOPSIS法用于研究评价对象与‘理想解’的距离情况，结合‘理想解’（正理想解和负理想解），计算得到最终接近程度C值。熵权TOPSIS法核心在于TOPSIS，但在计算数据时，首先会利用熵值计算得到各评价指标的权重，并且将评价指标数据与权重相乘，得到新的数据，利用新数据进行TOPSIS法研究。通俗地讲，熵权TOPSIS法是先使用熵权法得到新数据newdata（数据成熵权法计算得到的权重）
转载
2023-12-07 19:40:00
195阅读
层次分析法第一步：建立递阶层次结构第二步：构造两两判断矩阵准则层方案层第三步：计算权重（一致性检验）和得分计算权重一致性检验算术平均法几何平均法特征值法计算得分代码： 第一步：建立递阶层次结构第二步：构造两两判断矩阵怎么构造判断矩阵呢？如果专家没有给你判断矩阵时，就自己填。比如对于准则层，问小明根据下面的标度，C1和C2你认为哪个更重要呢？ 小明回答：我认为花费比景色略微重要（介于1和3之间，那就
转载
2024-03-18 14:53:49
94阅读
一、简介基于matlab计步二、源代码%对原始观测得到的数据进行获取clc, clear;%加速度数组accspe_data = [];time_record = [];fid=fopen('sensor_normal.txt', 'r', 'n', 'utf-8');%初始赋值使循环开始tline = 1; %对文本进行循环读入%line = 'owieo';while tline %fgetl获取某一行 tline=fgetl(fid); %转换编码形
原创
2021-08-07 09:28:57
444阅读
一、简介基于matlab计步二、源代码%对原始观测得到的数据进行获取clc, clear;%加速度数组accspe_data = [];time_record = [];fid=fopen('sensor_normal.txt', 'r', 'n', 'utf-8');%初始赋值使循环开始tline = 1; %对文本进行循环读入%line = 'owieo';while tline %fgetl获取某一行 tline=fgetl(fid); %转换编码形
原创
2021-08-20 16:34:33
105阅读
一、简介基于matlab计步二、源代码%对原始
原创
2022-04-08 11:13:53
138阅读
# MATLAB 深度学习中的调整权值
在深度学习中，权值是模型学习的重要参数，它们在训练过程中被不断调整以达到优化模型预测能力的目的。MATLAB 提供了多种工具和函数来支持深度学习的权值调整。本文将详细阐述如何在 MATLAB 中调整神经网络的权值，并给出相关的代码示例和关系图。
## 1. 深度学习基本概念
深度学习是一种机器学习方法，它使用多层神经网络来进行特征提取和学习。神经网络的
# MATLAB查询神经网络权值
## 简介
神经网络是一种模拟人脑神经元之间相互连接的计算模型。在训练神经网络时，我们需要调整权值（weights）和偏置（biases）参数，以使网络能够准确地进行预测。在某些情况下，我们可能需要查询并检查已经训练好的神经网络的权值。本文将介绍如何使用MATLAB进行神经网络权值的查询。
## 神经网络权值查询方法
在MATLAB中，我们可以使用`get
原创
2023-10-06 08:05:18
481阅读
TOPSIS可翻译为逼近理想解排序法，国内简称为优劣解距离法TOPSIS法是一种常用的综合评价方法，其能充分利用原始数据的信息，其结果能精确地反映各评价方案之间的距离一、模型介绍极大型指标（效益型指标） ：越高（大）越好极小型指标（成本型指标） ：越少（小）越好中间型指标：越接近某个值越好区间型指标：落在某个区间最好构造计算评分的公式：（x-min）/（max-min）【只有一
转载
2023-12-14 12:25:21
502阅读
TOPSIS法（优劣解距离法）\1. 构造计算评分的公式：(x-min)/(max-min)\2. 统一指标类型 转化为极大型 指标正向化极小型指标转换公式：max-x中间型指标区间型指标：\3. 正向化矩阵标准化\4. 计算得分并归一化：x-min/(max-x)+(x-min)\5. 带权重的TOPSIS
\6. 熵权法
代码：
%% 第一步：把数据复制到工作区，并将这个矩阵命名为X
% （1
转载
2024-05-16 15:05:43
137阅读
熵权法是一种客观赋值的方法，即它通过数据所包含的信息量来确定权重，形象的说如果每个人考试都能考100分，那么这个指标对于这些人的评价是毫无意义的，因为没有任何区分度，熵权法就是通过区分度来确定对于特征的权值，从而能够对事物进行综合的评价。一般来说，若某个指标的信息熵指标权重确定方法之熵权法越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大。相反，某个
转载
2023-12-02 16:13:44
286阅读
