分形信号的小波基表示基金项目

在研究自相似信号小波变换性质的基础上,利用离散小波变换的重构公式给出了产生分形信号的小波模型,并推导了由该模型产生的近似分形信号的时间平均功率谱计算公式.给出了该模型与已有模型比较的数值实验,结果表明该模型构造的信号能较好地近似分形信号.     

基于嵌入理论和神经网络技术的混沌数据预测及其在股票市场中的应用

提出了一种将延迟 -嵌入定理与人工神经网络相结合预测混沌数据的基本方法 ,首先讨论了嵌入延迟时间和嵌入维的计算方法 ,并从信号处理的角度分析了相空间重构同预测的关系 ,并以此确定神经网络的输入层结构 ;最后应用于股票指数和价格的预测 ,结果表明这种方法对解决一类问题具有广阔的前景 .     

一类新的复合核的二次时频分布

提出了一类新的复合核的二次时频分布，并和几种主要的二次时频分布作了比较研究，实验结果说明的分布具有高的时频分辨力和强的抑制交叉干扰能力。     

基于局部余弦变换的一种改进的新灵活分割算法

针对王永忠提出的分割算法存在的单向合并非全局最优合并的问题，提出了全局最优搜索合并算法。同时，针对王永忠分割算法中，将有非零值分割段与无非零值分割段合并为一个大的分割段的不合理问题，提出了相应的解决方法，解决的途径主要体现在对每一个小分割段做自适应余弦变换时，不是采用相邻数据进行折叠处理，而是把每一个小分割段首先做零延拓后，再进行折叠处理。经过用理论模型来验证改进后的算法，解决了二进分割算法及王永忠分割算法中存在的问题，实现了对信号进行自适应的有效分割，而且没有过多的冗余分割。     

一种基于MPEG压缩域的运动对象分割算法

针对目前视频压缩域中运动对象分割准确率不高的问题 ,提出一种有效的压缩域运动对象的分割算法 .该算法先对运动矢量进行运动累加和中值滤波处理 ,然后利用离散余弦变换 (DCT)系数块之间的相关性对非零运动矢量区域进行校正 .由于在对运动矢量处理的同时加入了空间DCT块的相关性校正 ,因此分割准确率有了较大的提高 .实验统计结果表明 ,对几种不同视频场景中的运动对象进行分割 ,其分割率比现有的算法提高了约 15 % .     

遗传算法的Markov链分析与收敛速度估计

主要利用Ｍａｒｋｏｖ链讨论一类遗传算法（简称ＧＡ）的ｒ阶收敛性与收敛速度．首先介绍了ＧＡ的Ｍａｒｋｏｖ链状态空间的分类,按此分类,证明了Ｍａｒｋｏｖ链的一步转移概率矩阵为下三角矩阵,进而分析了ＧＡ的ｒ阶收敛性及其它形式的收敛性．最后讨论了ＧＡ的收敛速度．     

基于MRF的统计预测提升算子的构造与应用研究

根据图像的统计信息, 在Markov随机场(MRF)的理论基础上, 构造了一种新的非线性算子即统计算子, 提出了基于该算子的一种非线性提升小波分析方法. 并根据MRF的条件概率分布, 在理论上证明了采用基于统计算子的非线性提升小波变换可使图像变换后, 在无量化失真的前提下, 提高高频子带的零高频系数. 将该方法与现有的几种非线性形态学小波分析方法以及S+P变换和JPEG2000采用的5/3和9/7线性提升小波变换进行了不同图像的测试分析, 实验结果显示, 利用这种基于统计算子的提升小波分析方法对医学图像和混合文档图像变换后可取得较低的加权熵.     

H5N1的结构与致病机制

以禽流感病毒H5N1的两种基质蛋白HA、NA的结构为基础,分析了H5N1的基因结构,探索其毒力基础和致病的分子机制.     

基于模糊神经网络和R/S分析的股票市场多步预测

将输入空间划分为若干个相互重叠的模糊子空间 ,并在子空间内 ,利用线性模型对非线性系统进行局部建模 ,最后内插局部模型的输出 ,得到非线性系统的全局模糊建模 .基于 Sugeno模糊推理模型的模糊神经网络 (自适应网络模糊推理系统 ANFIS)正是上述模糊建模思想的神经网络实现的一种形式 .R/ S分析表明 ,上海股票市场的价格波动具有长期记忆性 ,因而可以预测 .基于此 ,利用 ANFIS对上证综合指数进行多步预测 ,得到比较好的预测结果.     

混合噪声的各向异性扩散平滑

针对混合噪声模型中中值滤波、线性滤波与传统各向异性扩散存在固有的缺陷,通过修改扩散项的计算方式改进扩散模型并提高扩散模型的滤波特性,改进模型具有带通滤波特性,扩散过程稳定并满足极值原理。研究结果表明:中值滤波作为一种经典的非线性滤波方法仅适合于"飞点"噪声的滤波并引起图像的角点、线条损失,线性滤波扩大或使图像边界范围模糊;传统的各向异性扩散能对随机噪声有效地压制,但对"飞点"噪声会产生虚假的边缘甚至反扩散,而改进模型既具有中值滤波的特性又具有传统各向异性扩散的性能,适合于平滑不同强度与形状的混合噪声,并对角点、线条、边缘等细节信息提供足够保护。