一种自适应小波网络的构造及其学习算法

基于小波框架的时频局部化性质和自适应投影算法,提出了一个新的构造和训练小波网络的学习算法,精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性.该算法充分地利用了包含在训练数据中的时频信息,迭代地确定小波网络隐层结点的个数和网络的权系数,较好地解决了小波网络的结构优化问题. 通过应用于信号的表示与去噪,进一步证实了该算法是简单和有效的.     

一种新的信号二进小波变换模极大值重构信号的迭代算法

基于Hilbert空间单调算子理论和求解单调算子方程的迭代算法, 给出了一个新的基于信号二进小波变换模极大值重构信号的迭代算法, 证明了算法的收敛性. 同Mallat的交替投影算法相比, 该算法更加简单、快速和有效. 数值实验表明, 对于不同类型的信号, 该算法仅需要较少的几次迭代, 就可获得较好的重构效果.     

早期裂纹故障预示中的高精度小波有限元算法

提出了任意尺度Daubechies小波一维、二维单元构造方法以及小波有限元自适应提升算法, 采用小波尺度函数作为插值函数, 利用小波多分辨分析了具有变尺度逐层逼近函数的特性, 获得了嵌套递进的多尺度有限元逼近空间.     

α进制最小能量区间小波框架的构造

基于小波多尺度特征和信号多通道理论需要,本文对a进制最小能量区间小波框架进行了系统研究,其中a为任意大于等于2的正整数.首先,给出了a进制最小能量区间小波框架的定义,建立了a进制最小能量区间小波框架的充要条件;其次,我们设计了支撑长度为任意整数γ的a进制最小能量区间小波框架的构造算法,并构造性地给出了构造算法所涉及矩阵的表达式;最后,给出了最小能量区间小波框架的分解与重构算法,并构造了数值算例.     

基于小波阀值降噪和BP神经网络的超短期风电功率预测

针对超短期风电功率预测问题，考虑了风电场复杂的噪声背景和风电功率的波动性，提出了一种基于小波阀值降噪-BP神经网络的超短期风电功率预测方法。该方法采用近似对称光滑的紧支撑双正交小波db4（Daubechies函数）作为小波基，通过多分辨分析的Mallat算法对历史时序风电功率数据进行3尺度分解。根据Donoho阀值法对各层小波系数进行软阀值降噪处理，再通过小波逆变换重构历史时序风电功率，由BP神经网络对其进行训练，预测目的风电功率序列。仿真算例将该方法与普通BP神经网络方法进行了对比，比较结果证明其预测精度优于后者，具有很好鲁棒性和降噪性能，适用噪声复杂的风电场超短期风电功率在赣预测．     

基于BP算法的纹理图象合成研究

针对目前纹理图象合成技术存在的弱点，应用人工神经网络BP算法实现了纹理图象的合成。通过对纹理图象的分析和特征提取来获取图象的各种参数信息，然后采用人工神经网络BP算法，建立BP网络模型，将原始图象的特征函数作为BP网络的输入，通过学习-训练，确定该图象的人工神经网络结构，并最终通过程序合成了纹理图象。     

自适应混沌克隆进化规划算法

结合混沌和抗体克隆选择学说，提出一种新的人工免疫系统算法——自适应混沌克隆进化规划算法．新算法基于Logistic混沌序列；利用个体质量、进化代数和个体分布情况构造混沌变异算子；通过Logistic混沌序列自适应调整变异尺度，理论分析和仿真实验表明，与标准的遗传算法和采用随机变异的克隆选择算法相比，该算法收敛速度快，求解精度高，稳定性好，并有效抑制了早熟现象。     

基于进化算法的递归神经网络系统辨识方法

针对传统的递归神经网络学习算法存在的缺陷,本文利用进化算法对递归神经网络进行优化设计,提出了一种基于改进进化算法的递归神经网络系统辨识方法.该方法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整,可以保证变异操作按一定的幅度均匀地分布在整个网络上,提高算法的收敛速度,避免早熟现象.给出了算法的具体步骤,通过仿真实验证明了该算法的有效性.     

电力系统突变信号检测的一种实时小波算法

在积分小波变换的基础上,以选择的复值小波为例,分析了一种实时递推小波算法,详细推导了算法的实现过程,该算法大大减少了现有双向递推算法的计算量,可用于电力系统各领域故障的这时检测,并能推广实现其他小波函数的快速递推算法,基于复值小波变换相位信息对奇异性的敏感,提出了利用复值小波快速递推算法的相位信息辅助幅值进行电力系统故障突变信号实时监测的方法,并通过算例论证了这种复值小波和其实时递推算法检测故障的     

激活函数可调的神经元模型及其有监督学习与应用

提出一种激活函数可调的新神经元模型（tunable act ivation function，简记为TAF）模型，并给出这类模型的一般形式，该模型用于多层前向神经网络MFNN时，其激活函数可借类似BP算法进行训练而求得，通过几个具体例子给出了对激活函数进行训练的算法，试验结果表明，采用TAF模型的多层前向神经网络的网络容量和性能，优于采用通常M－P模型的网络。     

一种新型RBF网络序贯学习算法

静态神经网络由于自身的局限性难于对非线性时变过程进行建模和预测, 而最小资源分配网络(M-RAN)又因调节参数过多难于实现. 提出了一种新型的基于局部投影概念的RBF网络序贯学习算法: 局部投影网络LPN, 进而对算法进行了最小化改进. 在此基础上进行了详细的算例验证.     

基于二通道不可分小波的多光谱图像融合

提出了一种伸缩矩阵为[1，1；1，-1]的二通道不可分小波滤波器组的构造方法，并把它应用于多光谱图像与高分辨图像的融合中．设计出多组不可分4×4小波滤波器组，并提出了一种基于该类小波的多光谱图像融合算法．利用所设计滤波器分别对多光谱图像的亮度分量和全色图像作多尺度小波分解，选取参数对分解后的低频分量进行调节融合．实验结果表明，该方法能较好地保持多光谱信息和高分辨率信息，其保持光谱信息的能力和保持高分辨率信息的能力比基于张量积离散小波帧变换（DWFT）的融合方法和基于改进的IHS变换的融合方法都强，当t值较大时，融合结果图像含有较丰富的光谱信息．与基于4个通道小波的图像融合方法相比，该方法可节约一半的运算量．     

结合交替分离(AS)和交替投影(AP)算法的ASAP算法

分析了交替分离(AS)算法与交替投影(AP)算法的一些性质. 根据这些分析结果, 提出了将交替分离与交替投影算法有机结合形成所谓ASAP算法, 以克服交替分离算法收敛速度较慢而交替投影算法又易于陷入最大似然代价函数的局部极值的缺陷. 分析了这种结合的逻辑合理性. 计算机仿真也验证了ASAP算法能够以较少的迭代次数得到信号参数较理想的估计.     

自适应频域块LMS算法在抵消干扰方面的研究

分析了无线通信系统中自适应滤波算法中的LMS算法,并提出了利用自适应抵消输入信号中的干扰而获取有用信号的在频域实现的干扰抵消方法,该方法基于时域中的数据块最小均方误差LMS算法和该块LMS算法中存在线性相关和线性卷积的过程,通过1/2重叠保留法的快速傅立叶变换FFT,在频域以直接相乘的计算方式实现快速相关和快速卷积,利用自适应滤波器在频域实现LMS算法.通过实验仿真比较可以看出,该频域块LMS算法不仅保证了与时域自适应滤波算法有相同的收敛性,而且由于利用了快速FFT技术,使运算量大大减少.     

激活函数可调的神经元模型及其有监督学习与应用

提出一种激活函数可调的新神经元模型(tunableactivationfunction,简记为TAF)模型,并给出这类模型的一般形式.该模型用于多层前向神经网络MFNN时,其激活函数可借类似BP算法进行训练而求得.通过几个具体例子给出了对激活函数进行训练的算法.试验结果表明,采用TAF模型的多层前向神经网络的网络容量和性能,优于采用通常M-P模型的网络.     

新加坡国立大学的小波研究

小波分析作为现代数学理论与应用科学完善结合的典范在世界各国科学技术界掀起了一场轩然大波。本文简要介绍了新加坡国立大学在政府“小波战略研究计划”资助下，在该领域所取得的理论及应用研究成果。     

基于改进蚁群算法的移动机器人路径规划

为了提高移动机器人在复杂静态环境下快速、精确地实现避障路径规划的能力，在蚁群算法的基础上进行改进，采用最优一最差蚂蚁系统，并且引入最差路径信息素自适应参数以更好地寻找全局最优解。搜索过程中引入起点终点引导函数，优先搜索距离起点远而距终点近的节点。为提高算法的实用性，运用几何方法对路径进行修正处理。从而实现了机器人的快速、精确路径规划。通过计算机仿真研究表明：该算法具有较强的实用性，能明显改善路径规划性能，并且算法简单有效。     

基于IGA-ML的星载天线抗干扰技术

提出了一种基于免疫遗传算法的卫星通信中星载天线抗多个干扰的方法，即将免疫遗传算法和似然函数最大化(IGA-ML)结合的空域天线调零技术．该算法结合了遗传算法的全局、快速的搜索能力和免疫算法的利用实际问题自身一些基本的、显而易见的特征信息的能力，采用注射自适应提取疫苗的遗传算法寻找似然准则函数的多个峰值的优化解，可以不受初始值选取的约束，在低干信噪比、快拍数少的情况下也能够在通信环境下高分辨地进行干扰的空间波束调零，而且相对于传统遗传算法(CGA)能更快地收敛．计算机仿真实验表明了该算法的有效性和鲁棒性．     

紧支撑4-进双对称正交小波基

本文定义了一个双对称性新概念。通过将多分辨分析扩展到多进小波的办法,本文也构造了一个具有双对称性、紧支撑集和高阶消失矩的4-进正交小波类。研究表明该小波类可以由它的低通滤波器唯一确定,因而其余的自由度就可以施加到应用背景上,由此而得到的小波也有高效的计算实现。同时该小波具有很好的边界处理方案。该小波类为应用研究提供了大量的选择。     

喷射转发算法:一种基于Markov位置预测模型的DTN路由算法

典型的容迟网络(DTN)场景常表现出大延迟、易中断、高误码率等特点,其中高效节能的路由算法更是一个亟待解决的问题.现有方法主要是通过发送多个副本来提高数据传输的可达性概率,但网络开销很大.为了同时兼顾成功投递率、网络延迟和网络开销,文中提出了基于Markov位置预测模型的DTN路由算法(喷射转发算法).该算法根据节点经过路径的历史信息,用2阶Markov预测机制预测目的节点可能的位置,针对该位置进行多路径的贪婪转发,使包有方向地扩散,减少网络中包的副本数.采用多副本转发的混合发送模式,在保证成功投递率的基础上,有效地减少包副本数,弥补了使用单一模式时不能兼顾网络开销和成功投递率的不足.仿真结果显示,在小节点密度、节点移动速度较快的网络环境下,与spray and wait算法相比,喷射转发算法能有效地提高成功传输率,减小网络开销.