dist函数就是欧式距离加权函数
dist(W,P)中:W——S×R的权值矩阵;P——R×Q的矩阵表示Q个输入(列)向量
关于小波变换我只是有一个很朴素了理解不过小波变换可以和傅里叶变换结合起来理解。
傅里叶变换是用一系列不同频率的正余弦函数去分解原函数变换后得到是原函数在正余弦不同频率下的系数。
小波变换使用一系列的不同尺度的小波去分解原函数变换后得到的是原函数在不同尺度小波下的系数。
不同的小波通过平移与尺度变换分解平移是为了得到原函数的时间特性,尺度变换是为了得到原函数的频率特性
1.把小波w(t)和原函数f(t)的開始部分进行比较,计算系数C系数C表示该部分函数与小波的相似程度。
2.把小波向右移k单位得到小波w(t-k),重复1重复该部知道函数f结束.
4.不斷扩展小波,重复1,2,3.
我这里使用的haar小波缩放函数是[1 1],小波函数是[1 -1]是最简单的小波了。
先看看分解的效果这次我选用了大图:
尺度为2的铨分解小波包:
dist函数就是欧式距离加权函数
dist(W,P)中:W——S×R的权值矩阵;P——R×Q的矩阵表示Q个输入(列)向量