基于小波变换的模糊神经网络短期负荷预测方法

为了解决传统神经网络的预测精度取决于输入变量和测试样本的缺陷,采用二阶Daubechies小波作为母小波,通过离散小波变换和逆变换的多分辨率把负荷序列分解为4个小波分量,不但把握了负荷序列的规律性,而且减轻了神经网络的学习压力.采用自适应遗传算法对模糊规则和权重进行修正,优化模糊神经网络,提出GNN-W-GAF模型.该模型既发挥了模糊算法的特点,又使得各种知识点在神经网络中相互融合,避免了初始值设定的随意性.仿真结果表明,该方法能显著提高预测精度和预测性能.     

几种函数逼近方式的逼近能力比较与综合

介绍了Fourier变换、小波变换、神经网络、小波神经网络、多小波和多小波神经网络几种不同的函数逼近方式，对这几种函数逼近方式中的基函数性能作了详细比较，发现基函数的性能越好，其函数逼近效果一般来说也越好，并对这几种函数逼近方式的表达式进行了比较和综合。     

基于小波综合阈值函数的图像去噪

在小波硬阈值函数和软阈值函数的基础上,提出一种综合阈值函数.这个函数综合了硬阈值函数和软阈值函数的特征,具有良好的数学特征.选择合适的参数,可以适应不同的图像.采用局部阈值规则选择阈值,通过仿真实验,验证了综合阈值函数对去除高斯噪声的有效性.     

改进的小波阀值去噪在地震信号中的应用

提出一种新的阀值函数,对小波阀值去噪方法中传统阀值函数的缺点进行改进.实验结果表明,该方法有效提高了性噪比.     

光纤陀螺自适应阈值滤波新方法

通过Lipschitz指数分析不同分解尺度上信号与噪声对应的小波系数变化情况和光纤陀螺输出信号模型,研究了一种新的基于离散小波变换的自适应滤波方法. 该方法可根据光纤陀螺输出信号的能级自动调整小波系数在不同尺度上的阈值. 构造了一种新的阈值函数,用一个多项式来削弱低于阈值的小波系数,能最大限度地保留真实信息. 与软硬阈值函数相比,对于不同信噪比的信号均表现出较好的性能. 仿真实验表明,与传统固定阈值滤波相比,新算法能更好地去除噪声,改进光纤陀螺的零偏稳定性和随机游走等技术指标.     

Marr小波变换像空间的描述

对Marr小波变换的像空间给出了其再生核函数的具体表达式和等距恒等式.并利用再生核的结构对Marr小波变换的像空间作了一般和具体的描述,这为一般的小波变换像空间的讨论提供了理论基础.     

基于小波变换的信号噪声平滑处理

信号采集过程中不可避免的受到噪声的干扰,噪声的不可预测性和高破坏性对信号处理结果有很大的影响。本文基于小波分析方法对信号噪声平滑处理进行分析,表明小波分析方法可以很好的对噪声干扰的信号进行噪声平滑,为信号处理结果的正确性提供基础。选取小波基母函数dmy和haar均能够实现信号降噪,但使用小波基母函数dmy对含噪声信号的平滑效果更好。     

改进的Morlet小波与再生核空间

给出了改进的Morlet小波变换像空间的再生核函数的具体表达式及等距恒等式,并利用再生核函数的结构对改进的Morlet小波变换的像空间作出了具体的描述,并将对小波与再生核的关系得出一个新的发现,为一般小波变换像空间的讨论提供了基础．     

一种新的连续小波变换

提出了一种新的连续小波变换.这种连续小波变换具有高分辨性和自适应性,并且可以减小由于参数在分母上所引起误差,数值积分离散时对参数的选择更具有灵活性,最后的数值实验表明了新的连续小波变换的有效性.     

双正交周期插值小波函数的实值对称性

首先给出了Box样条函数、正交周期小波函数以及双正交周期插值小波函数的定义,通过这些定义及相应的命题公式等,给出了所要得到的双正交周期插值小波函数的实值对称性质.