基于小波降噪与贝叶斯神经网络联合模型的短时交通流量预测

在短时间内准确、稳定地预测出交通流量,是实现智能交通控制系统的重要环节,对于交叉口信号控制方案的实时调整具有重要意义。鉴于此,提出一种 联合模型的预测方式,引入 和 作为模型评价指标,从精度和稳定性两个方面对模型进行评价。结果表明,在 、 、 等不同的时间预测尺度下, 联合模型的 和 均小于小波网络、贝叶斯网络、 网络等方法,短时交通流量预测结果的精度和稳定性得到了不同程度的提高。     

利用Relief特征加权进行基于小波变换的纹理分割

在利用小波进行纹理分割的相关研究中,通常小波分解的四个子带对分类的贡献是均匀的。为了考虑不同子带对图像分割的不同影响,提出了一种利用Relief算法对小波分解的子带特征进行加权的算法。首先对纹理图像进行标准金字塔结构小波变换,对小波变换后的各层四个子带进行特征提取作为纹理图像的四维特征;从粗尺度开始对纹理图像进行K均值分割,得到初步分割结果;然后把初步分割结果扩展到下一尺度,根据扩展后的分割标记图对相应尺度的纹理特征进行基于Relief的特征加权,得到加权后的四维特征;再进行K均值分割,经过多层迭代后,得到原纹理图像的分割结果。实验结果表明,与未加权的传统分割方法比较,该方法在分割错误率、边缘准确性以及区域一致性上都有明显改善。     

基于Haar小波的虹膜特征提取算法

虹膜特征提取算法的优劣决定了虹膜识别系统的性能,经典小波变换算法在特征提取上存在不足,提出一种利用二维Haar小波提取虹膜特征的算法。算法在虹膜预处理的基础上,利用2D Haar小波对虹膜特征提取区域分解,对第三层小波分解高频系数编码生成375bits虹膜编码,利用相似度作为特征匹配关系。在中国科学院虹膜数据库[CASIA(1.0)]上的实验结果表明,算法在认证模式(Verification)与识别模式(Identification)下,性能均优于Boles的算法和Wildes的算法,仅次于Daugman的算法;但本算法虹膜码长度仅为Daugman的1/5,更节省储存空间,正确识别率为99.16%,等错率达到0.54%。     

最小二乘支持向量机应用于西安霸河口水质预测

利用西安霸河10年的水质平均数据作为数据集,建立了基于最小二乘支持向量机的水质预测模型。通过适当的参数选择,其平均相对误差只有4.95%,预测的准确率达到95%。通过实例计算且与误差逆传播(BP)神经网络、RBF神经网络等预测方法进行了对比分析,表明该方法的平均预测精度较传统的神经网络方法提高约4%,且具有收敛速度快、泛化能力强等优点,可有效用于水质预测。     

简约指标体系下的区域创新能力评价——基于主基底变量筛选和主成分分析方法

在设计区域创新能力评价初始指标体系的基础上,采用基于主基底分析的变量筛选方法对初始指标体系进行变量筛选,构建了区域创新能力评价体系的简约变量集合,在保证原始变量信息损失尽可能小的前提下,排除所有的冗余信息,避免了变量之间的多重相关性;再利用主成分分析对简约变量集合进行二次降维,构建综合评价模型,对我国30个地区的创新能力进行排序及分析评价,得到了较好的评价结果。     

小波变换在面波去噪中的一些应用

地震资料的去噪,在处理中是非常重要的内容.随着勘探技术的进步,地球物理可以用于去噪的方法越来越多.目前去噪效果相对较好的是小波变换法.小波变化以其独特的时频特性被广泛的使用于地震资料的去噪中.与以前的频率滤波相比,其优越性是可见的.本文简要介绍了小波函数以及用于地震去噪的小波变换的一些方法,并且结合实际来对小波去噪进行了介绍.     

机械振动信号局域判别基特征提取方法

研究了基于相对熵的小波包局域判别基算法,构造了以局域判别基空间上的结点能量为元素的特征矢量,并在发动机上进行了实验研究,结果表明,小波包局域判别基结点能量谱具有明显的类别特征,经过压缩,作为分类器的特征输入具有较高的模式识别率。     

基于小波变换的图像像素级融合算法研究

提出了一种基于小波变换的图像融合方法,并针对该算法对存在局部噪声的图像以及局部噪声和局部模糊并存的图像融合效果不理想的问题,提出了改进算法。弥补了原算法的缺陷。实验证实,改进算法对不同类型的图像具有较好的适应性和鲁棒性．有实用价值。     

沉降预测模型概述与分析

本文首先概述人工神经网络和小波神经网络预测模型,结合实例证明小波神经网络预测结果较好。     

扁矩阵

本文给出了扁矩阵的定义、基本性质、以及扁矩阵在矩阵秩的问题、解一般线性方程组方面的应用.