基于小波分析的铁矿石运价预测

在分析了小波分析对铁矿石海运价格非平稳数据序列预测优势的基础上,介绍了多分辨率分析理论和奇异性检测,借助于MATLAB和EVIEWS软件,建立自回归移动平均（ARMA）和Holt-Winters非季节组合模型,对经过处理的高频和低频数据进行静态和动态预测.预测结果表明,小波分析在非平稳时间序列预测方面具有很大的优势.     

趋势分析法在数控加工负荷辨识中的应用

分析了一类非平稳主轴电流信号的特点,给出了一种基于主轴电流信号的数控加工过程中负荷辨识的方法,该方法利用趋势分析中循环平稳信号的特点,借助移动时间平均和校正预测控制算法,可直接面向控制．实验研究表明,基于该方法的加工过程负荷辨识可实现切深0．05mm变化时有效分辨的能力．     

基于小波分析的X线医学图像噪声综合抑制方法

提出了一种基于小波分析理论的医学X线图像噪声的综合抑制方法．将X线图像的试验处理结果与邻域平均、中值滤波去噪处理方法进行对比分析，结果表明该方法不仅能消除噪声提高图像质量，而且有效地保留了影像中丰富的细微影纹和边缘信息．     

基于小波分解的设备状态预测方法

首次提出将小波分解应用于非平稳时间序列的预测中,通过小波分解将非平稳时间序列分解为多层近似意义上的平稳时间序列,并且用ＡＲ（ｎ）模型对分解后的时间序列进行预测,进而得到最终的预测结果．将该方法应用于压缩机轴承座磨损的趋势预测中,通过与基于ＢＰ网络的预测方法相比较表明：该方法预测精度高,而且预测速度快,可以有效地应用设备状态的预测和设备故障趋势的分析中．     

基于小波分析的住宅房产均价预测

将小波方法引入到深圳宝安住宅房产均价的长期趋势的预测中。利用小波多尺度分析的功能，将非平稳时间序列的住宅房产均价分解成主要趋势和细节两大部分。对主要趋势用二次多项式进行拟合预测，对细节部分用余弦逼近和AR（2）模型进行拟合预测，最后把主要趋势的预测值和细节部分的预测值相加，得到原始时间序列的预测值。并用所建立的模型对深圳宝安2006年每个月的住宅房产均价进行了外推预测。由于这种方法能够准确的提取出房产均价的长期趋势用于研究预测，因此用这种方法预测的平均相对误差比直接用二次多项式进行拟合预测的平均相对误差小0．7％。用所建立的模型外推预测出的2006年1、2、3月份的数值与实际数值相比较，平均相对误差为0．033。误差是比较小的．反映了小波预测方法的有效性。     

由最优双正交小波变换矩阵决定的小波基

通过双正交小波变换矩阵的特征值分析给出了一个新的定义-最优双正交小波变换矩阵.实验验证了在相同的小波族中,由最优双正交小波变换矩阵决定的双正交(超)小波是"最优"小波.因此,在9-7小波族中,最优9-7小波在图像压缩的性能要优于常用的CDF97小波.     

基于小波理论的舰船非线性横摇运动特性分析

探索采用小波分析方法研究船舶在波浪中非线性摇摆运动的动力学特性．对在几种不同的典型波浪参数情况下,得到的船舶在波浪中非线性摇摆的响应,进行小波变换．利用小波变换所特有的时频窗,可以同时在时域和频域中研究船舶横摇响应的模图和相图．通过分析所得模图和相图的典型特征,得到舰船非线性横摇幅值和频率等动力学特性．且小波变换适应不同频率的窗口特性具有更好的分辨率,可以获得更多的横摇运动响应特性信息．研究表明,小波分析在非线性横摇运动动力学特性分析的研究中是可行的,可以加强对船舶横摇非线性复杂动力学特性的分析能力．     

基于SURE-LET和非张量积小波的遥感图像去噪

针对遥感图像中的高斯噪声,提出了基于SURE-LET和非张量积小波的去噪方法,主要包括图像在非张量积小波下的分解、各个子带在不同阈值函数下的处理以及它们最优的线性组合3个步骤．通过选择合适的非张量积小波滤波器参数,使无噪遥感图像和噪声在变换分解中得到的小波系数分离较好,去除噪声对应的小波系数时被去除的无噪图像对应的小波系数较少,从而取得更好的去噪效果．实验结果表明：此方法用于高斯噪声的遥感图像的去噪不仅速度很快,而且去噪效果优于传统基于张量积小波的SURE-LET方法．     

基于形态非抽样小波和S变换的轧机振动信号分析

为了确定板带连轧中多台轧机振动的起振顺序,首先在形态非抽样小波一般框架的基础上,构造了一种基于多尺度平均滤波器的形态非抽样小波.然后通过仿真实验,得到此形态非抽样小波尺度与频率之间的关系.最终利用基于多尺度平均滤波器的形态非抽样和S变换的方法对轧机振动信号进行分析,成功提取了故障频率的起振时间,确定了轧机的起振顺序.     

基于分水岭和广义非局部平均的小波去噪

非局部平均滤波去噪方法和基于广义非局部平均的小波域去噪方法都会在不同程度上损失图像细节信息.为了在去除图像噪声的同时更好地保留图像细节,文中提出了一种基于分水岭分割和广义非局部平均的小波去噪方法.首先对含有噪声的图像进行基于梯度的分水岭分割并保留分水岭脊线;然后对含有噪声的图像进行多维度小波分解,对分解的每一层系数估计尺度系数和形状系数,构造每层小波子系数的广义高斯模型,对每层细节子带信息分别在水平、垂直、对角线3个方向应用基于广义高斯模型的非局部平均滤波;最后用含噪图像中与分水岭脊线相对应的像素点替换小波重构后图像的对应像素点.仿真结果表明,该方法与基于广义非局部平局的小波分析去噪法相比能获得更好的视觉效果和去噪效果.     

GA-SVM对上证综指走势的预测研究

将支持向量机和遗传算法结合,建立了一种智能数据挖掘技术(GA-SVM),并用于对上证综指市场走势进行了探索.在这个混合的数据挖掘方法中,GA用于RBF参数的设定以及特征集的选择,从而智能的找到SVM的最佳参数,减少SVM特征值的复杂度,提高了SVM算法速度.SVM用于判断未来股票市场的走势,并与统计模型、时间序列模型方法、神经网络进行了对比.实验证明,GA-SVM优于其他几种方法,这种方法对于股票上涨或下跌的预测研究是有效的.     

一种基于多尺度均线位置关系的移动通信网流量预测方法

摘 要：从统计学的角度观察得出结论,移动通信网数据流量与股票价格预测具有一些相同的特征。基于此,提出将多尺度均线相对位置的经验型股票估值方法运用到移动通信网流量预测中。方法首先根据流量特征选定均线尺度,继而利用插值方法对曲线进行平滑处理,使之适合均线变化方向和量化计算;最后通过均线之间的位置关系来预测流量的变化趋势和变化量。初步仿真实验证明,该方法是有效、可行的。     

随机微分方程的非参数估计 及其在股票指数中的应用 3

建立了股票指数的随机微分方程模型,采用非参数估计方法对其进行估计,并给出了相应的非参数估计表达式,接着给出了具体的非参数估计算法,最后利用上证指数的收盘价数据进行实证分析,实证表明该模型能较好的刻画股票指数的许多统计特征,非参数估计方法也切实有效,模拟效果较好,能较好的预测股票指数的未来趋势。     

成网条件下城市轨道交通车底运用问题研究

为应对城市轨道交通从单线运营进入到网络化运营的新形势,本文研究成网条件下城市轨道交通车底运用问题的优化方法,提出基于网络流模型的单车场与多车场车底运用模型。采用ILOG CPLEX 12.5结合算例对模型进行求解,并与启发式算法进行比较,得出了求解方法的高效性。结果表明本方法可为成网条件下的城市轨道交通车底运用问题提供好的决策参考依据。     

深圳股票价格指数的功率谱检验

首先对股票指数进行了非趋势化处理,接着对经过非趋化处理后的股票指数数据进行了功率谱检验,其目的在于后续计算股票指数的关联组数和李雅普诺夫指数,以便对股市进行有效的预测和研究。     

GM(1,1)模型分析股价趋势

用GM (1,1)等维新陈代谢模型来分析股价短期趋势 ,并根据GM(1,1)等维新陈代谢模型显示的趋势变化 ,指出了买入股票的最佳时机     

时序法在股市行情技术分析中的应用

采用时序法进行股市行情技术分析。介绍了时序法的基本原理。以“辽源得亨”股票为例，在建模的基础上进行了股票曲线的模拟及预测。结果表明，时序法能比较客观地反映股市行情的真实情况，能正确地判断出这随机过程的正常或异常状态，能预测股市随机过程的变化趋势     

极端行情下中国股市社团结构及系统性风险分析

以2008,2015年国内两次股灾为背景,分别构建股灾前、中、后的中国股市网络社团结构.基于网络中心性构建节点系统重要性及股市系统性风险指标,分析各时期网络社团内核心股票、行业、股票组合及其变化,探究系统性风险与网络拓扑指标、宏观经济指标的相关性.结果表明:股灾期间,工业板块受挫严重,原材料、金融地产、医药卫生板块发挥护盘及修复股指的作用;发现3种特殊的社团结构及部分社团间出现相互融合的趋势;在股指极端波动时期,中国股市系统性风险与部分网络拓扑指标及宏观经济指标具有显著相关性.     

基于多元回归与技术分析的组合股票价格预测

在股票交易过程中,股票价格走势是很多中国股民关心的热点问题.选取股市中4个重要技术指标,相对强弱指标(RSI)、顺势指标(CCI)、移动平均线(MACD)和5日均线建立了非线性回归预测模型,对我国农业银行和滨江股份股票的价格走势进行了短线预测.结果表明,建立的回归模型可以预测某些股票短期价格趋势,具有一定理论和实际应用价值.     

基于轮廓的物体识别与定位方法

给出一种通过物体轮廓匹配来识别物体和对物体姿态进行定位的方法。该方法基于提取物体的轮廓信息,然后通过与库存物体的轮廓信息进行匹配来认识物体的类型,最后与库存物体模型的外轮廓进行逐点匹配,获取累计偏差和,通过二分法逐渐逼近最佳相对转角,使累计偏差和变小,从而使当前物体与库存物体模型的相对转角达到较高的精度。本方法可用于生产装配线上的零件识别,具有适应性好,定位准确的特点。