分享到:

基于小波去噪的增强多尺度多传感器数据融合

建立了基于小波去噪的增强多尺度自回归模型。增强多尺度状态可以将直接基于小波变换的多尺度自回归模型的网状结构简化为二叉树结构。基于小波去噪的多尺度模型具有非参数化特性 ,该模  (本文共5页) 阅读全文>>

《电气技术》2020年03期
电气技术

电弧信号小波去噪分析

利用小波去噪方法分析电弧信号是小波分析应用于实际工程的重要方面。波变换具有多分辨率的特点,在时域和频域都具有表征信号局部特征的能力,适合分析非平稳信号,可以...  (本文共6页) 阅读全文>>

《信号处理》2004年06期
信号处理

单小波去噪方法在多小波去噪中的应用研究

单小波去噪方法中Visualshrink去噪法是渐进最优的。但将'Visualshrink单小波去噪方法用于多小波去噪,其优越性丧失,图象中存在严重的Gibbs效应,且去噪效果降低,对此...  (本文共5页) 阅读全文>>

湖南大学
湖南大学

基于环境参数的建筑用户在室行为实时预测方法研究

建筑用户在室行为是影响建筑能耗的关键因素之一,对其进行准确预测有助于建筑系统运行优化控制和建筑性能评估。本文首先对现有建筑用户在室行为测量方法及预测模型进行了回顾,并对不同预测模型的优缺点进行了总结和比较。现有在室行为预测方法主要在测量室内环境参数的基础上,采用传统机器学习的方法对在室行为进行预测。该类方法可自动从数据中挖掘环境参数与在室行为之间的关联,但其难以从环境参数中提取出反映在室行为变化的有效特征,且容易忽略在室行为动态变化特性,从而限制了在室行为预测性能。针对此,本文提出了两种新模型分别对在室状态和在室人数进行实时预测。就在室状态预测而言,本文基于环境参数,开发了一种基于状态转移的不均匀隐马尔可夫模型(TIHMM),采用某办公室在室行为数据对所建模型进行了验证,并通过与传统隐马尔可夫模型(HMM)对比以评估所建在室状态预测模型有效性。就在室人数预测而言,本文基于CO_2浓度参数,开发了一种结合小波去噪和深度学习方法的新...  (本文共65页) 本文目录 | 阅读全文>>

江西财经大学
江西财经大学

基于小波去噪的中国股票市场极端波动事件的统计辨识及应用

近年来,习近平总书记在关于资本市场和金融工作的重要讲话中多次强调,要遵循金融发展规律、要防范化解金融风险、要维护金融安全、要深化金融体制改革,增强金融服务实体经济能力。证券市场作为资本市场的重要参与主体,应当紧紧围绕服务实体经济的本源定位,通过业务转型和管理创新,为推进供给侧结构性改革、支持战略性新兴产业发展贡献力量,在实现高质量发展方面要有新作为。这些重要论断不断彰显“金融是国家重要的核心竞争力”。股票市场是证券市场不可或缺的一部分,它的演化系统是复杂的、非线性的。货币政策、税收制度、财政政策、还有外部环境以及一些不可预知的事件等等,许许多多的因素都会对股票市场的波动产生影响,而且这些影响因素之间并不是独立的,而是互相关联、互相影响的,它们对市场波动的影响有着不同的时滞和强度。中国的股市虽然仅有20多年的历史,但前前后后却经历了七次暴涨暴跌现象。若能够研究股市极端波动的特征,则对于加强市场的风险管控、引导投资者的理性投资、保障...  (本文共62页) 本文目录 | 阅读全文>>

云南大学
云南大学

基于特征融合和二维小波去噪的蛋白质结构类预测

蛋白质的空间结构决定着其功能,其空间结构的确定非常复杂。通过前人的研究表明获得蛋白质的结构类,可以确定肽链的折叠形态,从而缩小空间结构自然搜索的范围,为其结构测定提供了方向,节省了许多时间和物力。但结构类的预测准确率一直很低,特别是在低相似性序列数据集上。导致其预测率低的原因在于用传统的方法所提取结构类序列的特征信息中有很多冗余信息。基于此,本文的工作如下:(1)提出了一种基于降维的特征融合和迭代二维小波去噪的预测模型,称之为FU-ERD-IWD(Model 1)。它用来解决在蛋白质结构类预测过程中,高维特征向量融合后计算成本和冗余信息增加的问题。首先用二肽组成和三肽组成提取结构类序列的特征信息,然后用核主成分分析(KPCA)对其降维,将降维之后的特征向量进行融合。之后对融合的特征向量进行二维小波去噪,通过多次迭代去噪,去除特征向量里的冗余信息。虽然本预测模型的预测效果与其他文献有差距,但所取得的预测效果还是行之有效的。(2)提...  (本文共67页) 本文目录 | 阅读全文>>