MLforSHM结构健康监测中的机器学习算法精确性验证Matlab代码

这是我们对SPD矩阵非线性学习提出的轻量级联SPD歧管深度学习网络的Matlab实现。如果您发现这篇文章对您的研究有帮助，请引用以下内容：R. Wang, X.-J. Wu, 和 J. Kittler的“SymNet: A Simple Symmetric Positive Definite Manifold Deep Learning Method for Image Set Classification”，发表于2020年IEEE Transactions on Neural Networks and Learning Systems。SymNet-v1文件夹包含三个.m文件：(1) de

MATLAB精确性检验代码服务器提供了随机优化的鲁棒元算法的MATLAB实现。项目运行前需要安装以下软件包：文件过滤（filters目录）。主要包括不同方法的过滤点：baselineGradient.m，用于删除具有最大梯度的点；baselineLosses.m，删除损失最大点的基线；baselineOracleL2.m，除去具有最大L2范数的点。filterSimple.m是我们的方法，它将渐变投影到顶部的主成分上，并根据其结果大小去除点。SVM部分（svm目录）包括我们的SVM评估的代码和数据，分为Enron数据集和综合数据集两个文件夹。攻击集合保存在diaries目录下，每个数据集根据损

传统的电机能耗测试方法在变频调速时代面临挑战。如何准确评估变频电机的能耗和效率成为亟待解决的问题。

该存储库包含MATLAB函数和脚本，用于通过完全正向且保留迹象的投影，在量子过程层析成像中生成图像。某些基准测试求解器通过调用实现。为了运行这些代码，需在父目录中安装CVX。此代码已通过MATLAB R2017a和CVX v2.1的测试。具体包括图1c的fig1c.m、ROBUSTNESS_investigation.m、LI_typical_distance_to_CP.m和how_often_cvx_fails.m，以及使用do_paper_plots.m生成的图2、5、8。

提出了一种基于模式凝聚算法的自然激励技术（NExT-ERA），用于工程结构健康监测。该技术通过引入模式凝聚算法，提高了在受环境噪声激励下的结构模态识别精度。示例文件展示了该技术的应用，通过识别受高斯白噪声激励的2DOF系统的模态参数，并添加了高斯白噪声的不确定性。 代码包含以下函数： NExTTERA_CONDENSED：执行NExT-ERA算法，并进行模式凝聚。 该代码使用说明如下： 输入： data：包含响应数据的数组，维度为(nch,Ndata)，其中nch是通道数，Ndata是数据的总长度。 refch：参考通道的向量，维度(numref,1)。 maxlags：最大滞后时间，以

MATLAB精确性验证脚本COMP9417项目：稳健支持向量机和乳腺癌分类提供了（a）所有代码文件和（b）如何使用它们的摘要。所有代码都按照与报告相对应的部分进行文件夹组织。第1节：数据预处理包含两个CSV文件在此文件夹中：data.csv（原始乳腺癌数据集）和processed_data.csv，这是处理后的数据集。通过运行preprocess.py文件构建处理后的数据集。您还可以选择添加命令行参数--plot True以获得数据集的相关热图。第2节：基本模型比较该processed_data.csv数据集再次包含在此处，以便于比较所需的运行。本节中的其他唯一代码是basic_models.

Matlab精度验证代码在Boosted-OICR多实例检测网络中从提炼中提取知识。该存储库包含了2020年CVPR研讨会上发布的论文的PyTorch实施。2020年9月21日，作者恢复了旧版本代码，虽然经过重构，但对最终的mAP影响较大。2020年5月25日，他们的工作在VOC 2012评估中取得了优异的结果，在检测mAP中击败了C-MI1。工作表明，通过精心选择聚集标准，可以显著提高学习到的检测器的准确性。

WISP存储库专注于导波无损检测和结构健康监测的研究。最初，它主要研究兰姆波。该存储库包含用梅林或尺度变换进行快速温度补偿的代码，以及用于提取频率-波数或色散曲线表示并进行高分辨率定位的代码。它分为四个文件夹：ddmfp-tools、mellin-tools、dsp-tools和demos，支持各种功能，为MATLAB用户提供了广泛的工具。存储库将继续更新，以反映对这一领域研究的进展。欢迎感兴趣的人士参与协作。

这个代码库收录了机器学习中常用的方法，包括手写SVM算法的MATLAB实现。该库将持续更新，用户可以从源代码中获取详细的用法信息。每个文件夹包含的主要工作如下：1. Gan：通过TensorFlow生成手写数字图像。2. Cnn：通过TensorFlow识别数字验证码，可用于解决验证码对自动爬虫的障碍。请注意，我使用网络上的Python代码作为训练/测试数据集来生成验证码。