先生，请您说您已经提取了存储在可变壮举中的树类型特征，这给了我29*44 ??静态测量的能量，均值和方差在哪里

Didik，你的评论是关于另一篇文章的，不是这篇!

您指的是小波包特征提取。在提交的文件中有一个附加的pdf教程。你的问题的答案是:查看这棵树，并按照示例分解成7个级别，然后数一数结果树中有多少节点，它们将是1+2+4+8+16+32+64+128=255。

谁能告诉我如何正确设置winsize和wininc ?然后，在自述行39-40中:“总计= 255个特性
%，从上面的例子是壮举的大小是25 x 255"。我就是不明白，它是如何得到25 x 255的?谢谢

非常感谢

非常感谢

好吧

亲爱的先生，请建议我一种认识孤立单词的方法。我用“oh so awesm”代码提取了不同单词的特征。谢谢你

你好博士

我很想知道我们是否有离散脉冲响应信号。有没有可能使用您的代码从提到的信号中提取特征?

谢谢Yousra,

你的问题的答案就在评论“就在你的问题下面”，请阅读评论。

谢谢博士。
我如何使用它与图像2D

亲爱的Hamed abdulaziz和Prabhakar

谢谢您的询价。我的工作主要是信号特征提取，而不是图像特征提取。我对你的建议是:
1-将每个图像重塑为向量，并在每个向量上应用此代码。
2- OR，使用2D小波分解命令(更适合于图像)，并从每个节点提取你的特征，就像我在这里做的一样。注意在2D版本中，你将在每个节点上有一个小图像，你可以使用像矩不变量之类的东西来从每个图像获得特征。看这里(//www.tianjin-qmedu.com/.au/matlabcentral/fileexchange/33975-the-seven-invariant-moments）

谢谢

亲爱的Rami博士。Khushaba,

请介绍如何使用这种方法从图像中提取特征。

我会不耐烦地等你的回答。

亲爱的Khushaba博士,

如何用这种方法提取图像的特征

亲爱的Shiddiq Hashuro

我相信您完全混淆了样本的数量(前一个示例中的1024)和特征的数量(前一个示例中的44)。你只有44个功能，而不是你描述的1276个(这是错误的)。

我正在考虑发布一个视频来解释这一点，请继续关注我的网站(www.rami-khushaba.com）

谢谢
支

亲爱的Khushaba博士,

谢谢您的回复。这对我帮助很大。
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，但是在这个例子中，之前的维数是1024，之后变成了44x29，也就是1276，它变大了。我想我们应该选择重要的功能，对吗?如果你能告诉我从哪里开始，你会帮我很多，你觉得我能做一些相关的检查吗?

非常感谢您的宝贵时间。

亲爱的Shiddiq Hashuro

谢谢您的询价。目前，代码只适用于一维，也就是向量。如果您需要在多个维度上运行此代码，那么只需使用for循环，并对每个维度重复它。我将很快更新代码，以说明这一点，因为我已经修复了小波包代码的这个问题。

另一方面，你对29x44特性的看法是正确的。对于10个关卡，你应该得到11个功能，因为我们已经决定提取4种类型的功能，然后我们得到11 x 4 =44。至于29个窗口，因为我们使用重叠窗口方案，所以总共1024个窗口被分为128个样本，由32个样本滑动，总共29个窗口，每个窗口有44个特征。

希望有帮助。如果您有进一步的询问，请告诉我。

支

亲爱的Khushaba博士,
谢谢楼主分享。
我尝试使用多个列的输入数据，但它给我这个错误在第61行%feat(1:winsize, I) = dettrend (curwin);%: ??下标赋值维度不匹配。
我怀疑这是因为feat(1:winsize, I)是(winsize by 1)在大小和结果的大小的趋势，这是相同的curwin的大小是(winsize by number_of_column)..
我可能可以修复这一行，但我不知道下一行，所以我可能需要你的帮助。然而，这可能是我的错误，在任何情况下请评论。

另外，你能解释一下结果矩阵吗，输入的结果维数，比如%rand(1024,1)%是(29 × 44)而不是(1 × 44)，这是正常的吗?

不管怎样还是要谢谢你，你已经帮了我。