导读:本文包含了基小波论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:小波,神经网络,函数,向量,算法,棉铃虫,图像。
基小波论文文献综述
王建国,刘朋真,王少锋,王戈[1]（2016）在《基于最优基小波分解的压力管道泄漏声发射信号处理与定位研究》一文中研究指出由于压力管道大多处于复杂的外部环境,因而其泄漏声发射检测信号中含有大量的噪声,而这些噪声会严重影响泄漏源的定位精度。针对这一现象,首先将管道泄漏源声发射信号进行小波分解降噪,然后对低频信号进行重构得到降噪后的压力管道泄漏声发射信号,并通过互相关分析进行定位。然而,应用不同的小波基降噪效果相差很大,于是提出了通过研究试错法选择最优小波基,并通过互相关分析法对泄漏源进行定位。结果表明:通过选择最优小波基对声发射信号进行降噪重构能有效的滤除噪声并保留有效的信号特征,并进行互相关分析计算,能更加精确地定位泄漏源。本文提出的应用试错法进行最优小波基的选取能有效的提高小波变换在信号分析方面的利用率。(本文来源于《第十八届中国科协年会——分9 能源环境监测与管理国际会议（国际）论文集》期刊2016-09-24）
吴炬卓,牛海清,许佳[2]（2016）在《基于逐层最优基小波和贝叶斯估计的电缆瓷套终端红外图像自适应去噪方法》一文中研究指出抑制图像噪声是电气设备红外诊断技术的前提。为了有效抑制白噪声,提高诊断的准确性,提出一种用于电缆瓷套终端红外图像的基于逐层最优基小波和贝叶斯估计的自适应去噪方法。该方法首先将红外图像真彩图分解为R、G、B颜色分量图像。对每一颜色分量图像,定义小波分解尺度系数能量百分比,基于能量百分比最大的原则,自适应选取最优基小波对颜色分量图像逐层进行小波分解,并结合Bayes最优估计准则对细节小波系数进行处理,对尺度系数和处理后的小波系数进行逐层小波重构,得到去噪后的颜色分量图像。将去噪后的颜色分量图像进行合成,得到去噪后的图像。该方法能够有效地去除白噪声,并且使去噪后的图像尽可能保留细节信息。数值试验表明,与运用sym4小波进行单一小波分解去噪方法比较,运用该方法去噪后图像的信噪比(SNR)更高,最小均方误差(MSE)更小。(本文来源于《电测与仪表》期刊2016年09期）
薛庆增,刘倩,郝小健,陈光辉[3]（2014）在《基于联合最佳基小波包的图像融合方法》一文中研究指出基于联合最佳基小波包理论提出了一种新的图像融合方法。该方法首先将所有图像进行小波包分解,得到各自对应的四叉树,将各四叉树节点对应系数平方相加得到一个新的四叉树,利用此平方和四叉树搜索联合最佳基。将待融合图像基于联合最佳基分解,把分解系数加权处理得到融合系数,利用融合系数进行逆变换即得到融合图像。该方法对所有待融合图像的分解都是最佳分解,解决了先前最佳小波包融合方法只能最佳分解一方待融合图像的问题。将该方法与其他主要图像融合方法进行了比较分析,结果表明基于联合最佳小波包基的图像融合方法是非常有效的。(本文来源于《计算机技术与发展》期刊2014年12期）
刘平,李晨焱[4]（2014）在《基小波函数选取在GIS局部放电去噪应用的研究》一文中研究指出本文分析了GIS局部放电信号小波分析降噪中对基函数选取的研究,通过试验选择适合的函数进行放电信号的分析。(本文来源于《科技传播》期刊2014年09期）
彭勇,陈俞强,严文杰[5]（2012）在《一种基于改进遗传算法的径向基小波神经网络》一文中研究指出为了提高神经网络进行函数拟合的精度,首先在叁层径向基神经网络基础上通过增加网络层次和改变激励函数提出了一种四层径向基小波神经网络,并采用遗传算法来确定初始网络参数;其次针对遗传算法中容易早熟的缺点,在遗传算法中引入动态平衡策略,根据适应度的变化来动态改变遗传算法中交叉和变异概率,从而增加算法全局探索和局部开发的平衡能力;最后通过对函数拟合试验并与其他方法相比较表明了算法的有效性。(本文来源于《微型机与应用》期刊2012年14期）
绳慧,于永利,张柳,李季颖[6]（2011）在《基于径向基小波神经网络的装备保障方案评价模型》一文中研究指出针对装备保障方案评价的实际问题,利用小波函数的多分辨率分析和逐层逼近能力,建立了基于径向基小波神经网络的装备保障方案评价方法。通过对装备保障方案中评价参数的量化,建立评价参数的样本库。将各种性能指标输入到训练好的网络,客观地评价保障方案的性能。以陆军防空旅装备保障方案为例,组织保障领域的专家对评价参数进行综合研讨,得到量化的参数值,然后使用新方法对其进行评价。仿真结果表明,径向基小波神经网络具有良好的非线性映射能力和泛化性能,能够比较准确地对装备保障方案做出评价。(本文来源于《指挥控制与仿真》期刊2011年03期）
朱军生,翟保平,董保信[7]（2010）在《基于径向基小波网络的二代棉铃虫卵峰日预测模型》一文中研究指出为了提高害虫预报的准确率,将径向基小波网络首次引入农作物害虫预测预报领域,改进了径向基小波网络的学习算法,使之适合于害虫预测的应用:利用径向基小波函数族时、频两域支撑完全或部分覆盖被分析数据序列时、频两域支撑的原理来确定小波函数族尺度参数和平移参数取值;根据中心向量之间的欧式距离大小来初步筛选隐含层神经元。在实例分析中,本文利用1966-1995年山东省惠民县棉铃虫Helicoverpa armigera的监测数据建立了基于径向基小波网络的2代棉铃虫卵量峰值日期预测模型,利用1996-2000年的监测数据对模型进行了检验。检验结果表明:在5年的预测数据中,4年的预测数据偏差在3d以内,另外1年的预测数据偏差4d,预测效果令人满意。本文为害虫预测预报研究提供了一种可行的新方法。(本文来源于《昆虫学报》期刊2010年12期）
周汉军,李万社[8]（2008）在《双向加细函数和双向Riesz基小波的刻划》一文中研究指出引入双向加细函数和双向小波的概念,通过双向加细函数的正交准则,双向加细函数基于完备仿射集小波特征,建立小波的Riesz基.在指数衰减情况下,研究双向加细方程在L2稳定解的存在性,得到双向多辨分析紧支撑小波的Riesz基完整刻划.(本文来源于《纺织高校基础科学学报》期刊2008年04期）
任世锦,吴铁军[9]（2008）在《基于径向基小波核的多尺度小波支持向量机》一文中研究指出普通支持向量机(SVM)方法用于多尺度回归建模时不能取得满意的精度,而现有的多尺度SVM算法存在只适合均匀分布的样本并可能收敛于局部极值等问题。为解决上述问题,本文提出了一种基于径向基小波核的多尺度小波支持向量机学习算法。文中提出并证明了一种新的径向基小波支持向量核,可提高小波SVM的训练速度和逼近精度。在此基础上,通过解一个二次优化问题可求出多尺度回归建模问题的全局最优解。最终得出的多尺度回归模型能够有效地逼近多尺度信号。仿真结果验证了所提算法的有效性。(本文来源于《电路与系统学报》期刊2008年04期）
郑勋烨[10]（2008）在《基于高斯型窗函数的基小波构造》一文中研究指出阐述了基于高斯型窗函数的可容基小波构造,讨论了若干类基小波.首先引入若干经典基小波如墨西哥草帽小波、莫莱小波、DOG犬小波和盖博解析小波,作者发现它们具有统一的结构,即均由高斯窗函数生成;进而在犬小波结构的启示下,构造了由高斯窗函数的差形成的犬小波族,对之验证了可容性条件;并且将它推广为有限个高斯窗函数的线性组合形成的小波,确定了带通条件.(本文来源于《数学的实践与认识》期刊2008年06期）
基小波论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
抑制图像噪声是电气设备红外诊断技术的前提。为了有效抑制白噪声,提高诊断的准确性,提出一种用于电缆瓷套终端红外图像的基于逐层最优基小波和贝叶斯估计的自适应去噪方法。该方法首先将红外图像真彩图分解为R、G、B颜色分量图像。对每一颜色分量图像,定义小波分解尺度系数能量百分比,基于能量百分比最大的原则,自适应选取最优基小波对颜色分量图像逐层进行小波分解,并结合Bayes最优估计准则对细节小波系数进行处理,对尺度系数和处理后的小波系数进行逐层小波重构,得到去噪后的颜色分量图像。将去噪后的颜色分量图像进行合成,得到去噪后的图像。该方法能够有效地去除白噪声,并且使去噪后的图像尽可能保留细节信息。数值试验表明,与运用sym4小波进行单一小波分解去噪方法比较,运用该方法去噪后图像的信噪比(SNR)更高,最小均方误差(MSE)更小。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基小波论文参考文献
[1].王建国,刘朋真,王少锋,王戈.基于最优基小波分解的压力管道泄漏声发射信号处理与定位研究[C].第十八届中国科协年会——分9能源环境监测与管理国际会议（国际）论文集.2016
[2].吴炬卓,牛海清,许佳.基于逐层最优基小波和贝叶斯估计的电缆瓷套终端红外图像自适应去噪方法[J].电测与仪表.2016
[3].薛庆增,刘倩,郝小健,陈光辉.基于联合最佳基小波包的图像融合方法[J].计算机技术与发展.2014
[4].刘平,李晨焱.基小波函数选取在GIS局部放电去噪应用的研究[J].科技传播.2014
[5].彭勇,陈俞强,严文杰.一种基于改进遗传算法的径向基小波神经网络[J].微型机与应用.2012
[6].绳慧,于永利,张柳,李季颖.基于径向基小波神经网络的装备保障方案评价模型[J].指挥控制与仿真.2011
[7].朱军生,翟保平,董保信.基于径向基小波网络的二代棉铃虫卵峰日预测模型[J].昆虫学报.2010
[8].周汉军,李万社.双向加细函数和双向Riesz基小波的刻划[J].纺织高校基础科学学报.2008
[9].任世锦,吴铁军.基于径向基小波核的多尺度小波支持向量机[J].电路与系统学报.2008
[10].郑勋烨.基于高斯型窗函数的基小波构造[J].数学的实践与认识.2008
论文知识图
