小波变换用于奇异性检测与小波类型选择的仿真

小波变换具有空间局部性,它能聚焦于信号的局部结构,因此用小波变换确定信号的奇异性位置更加有效。提出了一种新的奇异性检测方法,它包含两点:寻找小波变换模极大值在细尺度的坐标以确定奇异性发生的时间;通过小波变换模极大值的衰减计算Lipschitz指数,从而判断奇异的性质。在仿真实验的基础上验证了方法的可行性。并在仿真实验结果的基础上,总结出了小波类型选择的规律。     

基于小波图像压缩技术的算法研究

 小波变换通过多分辨分析过程将一幅图像分解成近似和细节部分,细节对应的是小尺度的瞬间,在本尺度内很稳定。因此将细节存储起来,对近似部分在下一个尺度上进行分解,重复该过程即可。近似与细节在正交镜像滤波器算法中分别对应于高通和低通滤波器,这种变换通过尺度去掉相关性,在图像压缩中被证明是有效的。由于小波变换后高频部分小波系数的绝对值较小,而低频部分小波系数的绝对值较大,这样,在图像编码处理中,可以对高频部分大多数系数分配较小的比特以达到压缩的目的。     

基于数据挖掘技术的算法研究

分析了贝叶斯信念网络和数理统计方法在数据挖掘中的作用,提出了一种贝叶斯信念网络和基于数理统计的数据挖掘模型,并用实例证明该数据挖掘模型有效性.对传统的贝叶斯信念网络构造算法做了许多改进,在不影响其性能的基础上,极大地提高了运算速度.