导读:本文包含了区间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:区间,小波,神经网络,算法,矩阵,正定,函数。
区间小波论文文献综述
张建基[1]（2017）在《多小波、区间多小波和双向向量值小波的构造问题研究》一文中研究指出目前,小波分析是科学研究第一线的焦点。研究出带有诸多好的特性的小波是小波分析的中心课题,多小波由于满足这种需求而应运而生,现在多小波理论已经受到越来越多的关注,对于紧支撑正交多小波,从紧支撑正交性中使用多尺度函数来构造相应的多小波,到目前为止还没有平凡的构建方法,这使多小波和区间多小波运算相当复杂。因此,多小波和区间多小波的构造仍然是当前小波理论前沿研究的热点和难点问题,需要我们研究给出新的构造条件和方法。本文受杨守志教授思想影响,思考并研究了多小波、区间多小波和双向向量值小波的构造问题。本文具体有以下几个创新点:1.目前多小波的构造方法:仿酉矩阵的扩充,计算相当复杂,我们发现用现有文献中的方法构造多小波存在两个难点:第一,如何选择满足正定条件的系数矩阵;第二,在H~2=(aI-PiPiT)-1PiPiT中计算矩阵逆的过程,随着矩阵阶数的增大,其计算量也会增加,过程很复杂.当我们回忆对角矩阵的两个性质:(1)对角矩阵求逆时只需将对角线上的元素取倒数,(2)两个对角矩阵在相乘的时候可以交换次序,在第二章中,我们给出了新的构造条件和方法,并且成功的克服了以上两个难点.2.在第叁章中,给出在[0,1]并且伸缩因子为a的区间多尺度函数以及区间多小波函数的定义,并给出其构造,同时得出相应的构造算例。3.在第四章中,给出一类双正交向量值双向多重小波(小波包)的定义,同时还深入研究了双向向量值双正交多重小波(小波包)的构造。(本文来源于《新疆师范大学》期刊2017-06-30）
梁荣业[2]（2016）在《区间离散小波神经网络的研究》一文中研究指出现实世界中,很多生产过程中测量到的数据往往是不精确的,如科学试验或工业等,如何表述不精确信息并对其建模是过程研究中的重要问题。粒是一种新概念,主要用于描述不精确信息。它衍生出许多方法,其中集合论和区间分析被证明具有很好的应用效果,得到了广泛研究;另一方面区间神经网络是目前解决不精确数据建模的一种有效方法,它利用区间数表示不精确数据,利用神经网络完成建模的任务。离散小波变换时、频局部化性能较好,经分析发现它的思想与叁层神经网络能实现较好的契合,那么可以把区间理论、离散小波变换以及神经网络叁者相结合,去解决不精确信息的建模和神经网络参数缺乏指导等问题,所以无论理论还是实际意义方面,区间离散小波神经网络都有较高的研究价值。以区间分析、离散小波变换理论为基础,在大量查阅了有关文献和书籍后,本文详细设计区间离散小波神经网络网络的结构,并推导了与其有关的学习算法。本文的主要研究工作主要包括以下内容:本文将区间离散小波神经网络分为叁类,推导了第一类和第二类区间离散小波神经网络前向计算和反向学习过程。所建立的模型充分利用了离散小波变换理论去计算输入层到隐层以及隐含层到输出层的权值,利用梯度下降算法调节输出层权值。通过仿真实验,证明了区间离散小波神经网络网络结构设计合理,且收敛方面的表现良好。在本文之前有关区间神经网络的研究中,反向学习本质是采取了点值运算方式,但本文以开拓研究的态度,提出利用GH-difference区间求导的方法进行区间神经网络的反向学习。经实验证明,区间求导的方法不仅可突出区间神经网络中区间的鲜明特色,而且具备较好的泛化和收敛能力。基于上述研究成果,在本文最后提出可以深入探讨的的方向。(本文来源于《东北大学》期刊2016-12-01）
张彦娥,魏颖慧,梅树立,朱梦婷[3]（2016）在《基于多尺度区间插值小波法的牛肉图像中大理石花纹分割》一文中研究指出牛肉大理石花纹的丰富程度代表着脂肪含量的多少,是牛肉等级划分的重要指标。基于计算机图像的自动分级技术中图像的降噪和分割处理是大理石花纹提取的基础。该文利用多尺度区间插值小波解偏微分方程的方法对牛眼肌切面图像进行处理,基于中心相似变换的延拓方法有效解决边界效应。处理中自适应选取配置点,提高计算效率。试验证明,该算法不仅达到降噪目的,同时还实现了对不同对象区域的保边平滑,使图像纹理和边缘更加清晰。降噪结果与传统滤波法进行对比,峰值信噪比值平均比均值滤波高9.0 d B,比中值滤波高8.2 d B,比维纳滤波高6.6 d B,结构相似性数值平均比均值滤波高0.42,比中值滤波高0.40,比维纳滤波高0.34。与大津法相比,去噪后采用灰度进行图像分割的效果更好,既能分割出大脂肪,又能分割出小脂肪,提高了牛肉等级判定的准确度。(本文来源于《农业工程学报》期刊2016年21期）
冯德山,王珣[4]（2016）在《区间B样条小波有限元GPR模拟双相随机混凝土介质》一文中研究指出基于可分离小波理论,由一维区间B样条小波尺度函数的张量积构造二维B样条小波基,并将它作为GPR波动方程求解的插值函数,通过引入转换矩阵,实现小波系数空间与雷达电磁场之间的转换.应用Galerkin算法,推导了二维区间B样条小波有限元GPR波动方程离散格式,求出了2阶1尺度与2阶2尺度BSWI尺度函数的积分值及联系系数,给出了该算法的详细求解过程.编制了BSWI的Matlab模拟程序,应用该程序对两个典型实例进行了正演,结果表明:BSWI能采用较少的单元达到与FEM相似的精度,而BSWI算法尺度提升能提高解的精度,但耗时会急剧增加.最后,将BSWI算法应用于双相随机混凝土模型,说明随机介质模型理论能灵活、有效地描述实际混凝土介质的分布,正演剖面与实测剖面特征更相符,能更真实地模拟雷达波的传播过程,可为提高GPR的探测效果和解释准确性提供理论基础.(本文来源于《地球物理学报》期刊2016年08期）
张明宇,梁琪[5]（2016）在《基于模糊处理和遗传优化的小波神经网络股指区间预测》一文中研究指出文章基于模糊粒化和遗传算法优化的小波神经网络,建立了一种新型股指区间预测模型。并对上证指数开盘数据进行实证检验,预测结果表明模型预测结果比较准确,模型具有较高的预测精度,误差率较小。文章建立的股指预测模型对探究中国股票市场波动趋势有一定意义,同时也为投资者进行股市投资提供一种投资参考。(本文来源于《中国市场》期刊2016年27期）
李姣军,陶金,余景鹏,贾智予[6]（2016）在《一种基于支撑区间的小波包分复用系统SNR估计方法》一文中研究指出对小波包分复用(WPDM)系统结构进行了分析,提出了一种适用于WPDM系统的信噪比(SNR)估计方法。根据系统子载波结构的紧支性,在小波包子载波支撑区间外估计噪声功率,求出各子载波信噪比估计值,最后得到系统的平均信噪比。在时间和频率选择性衰落信道下,仿真结果表明,该方法估计精度高,估计范围广,且估计性能受信道衰落特性影响较小。(本文来源于《半导体光电》期刊2016年03期）
张泼泼,李星野[7]（2016）在《基于小波神经网络和ARMA模型的CPI波动区间预测》一文中研究指出目前对于消费者价格指数(CPI)的预测研究基本集中于点预测。为预测本期较上期的CPI数据波动区间,提出一种基于小波神经网络和ARMA组合模型预测的方法。该模型首先利用小波神经网络对CPI数据进行拟合测试,对测试序列实际输出和期望输出的残差序列{et}进行ARMA建模预测,然后基于方差最小原则得到预测残差序列{e!t}95%的置信区间。通过实验表明预测残差序列95%置信区间可以很好的反应未来CPI数据的波动情况,具有较高的参考价值。(本文来源于《信息技术》期刊2016年02期）
卿光辉,张春潮[8]（2015）在《一种简化的区间B样条小波杂交应力元》一文中研究指出结合杂交应力元理论,分别以2阶、4阶0尺度小波函数为基础,构造了一种对应于杂交应力元的简单形函数。这种形函数不仅克服了区间网格数成2的指数级增加而导致未知量增加的困难,同时简化了计算过程。为了验证理论的正确性,分析了二维弹性板在承受均布载荷下中线位移和应力的情况。在相同网格数的情况下,4阶小波尺度函数构造的杂交应力元计算结果比2阶的计算结果更加准确。(本文来源于《中国民航大学学报》期刊2015年06期）
马亚辉[9]（2015）在《区间小波神经网络研究及应用》一文中研究指出信息是人类认识世界和改造世界的知识源泉,然而由于现实世界中事物的多样性、复杂性和时变性,导致人们获取到的信息往往是不确定的、不精确的。无论是在科学试验或是工业生产过程中,由于传感器的精度限制或外界干扰等原因导致测量的数据的不精确,甚至由于生产条件的限制,有些数据只能通过经验估计或软测量的方法求取,在接下来处理时,信息往往还会经过多次简化、近似。因此如何描述不确定信息并对不确定信息建立数学模型是首要问题。粒是一种新兴的用于描述不确定、不精确、模糊信息的概念。信息粒化的方法有很多,其中区间理论具有良好的普适性,尤其在描述不精确数据方面;另一方面小波神经网络作为小波理论与神经网络的结合体,具有小波理论良好的时、频域分析性能,也具备了神经网络解决复杂系统建模、知识获取和自学习问题的优势。将区间理论与小波神经网络相结合构成的区间小波神经网络能很好地解决不精确信息的建模问题,故对区间小波神经网络深入研究具有十分重要的理论与实际意义。本文以区间理论、小波理论为理论基础,通过广泛查阅相关文献,深入研究了区间小波神经网络网络结构和基于梯度下降的学习算法。针对第一类区间小波神经网络分类、计算复杂的问题,提出了第一类扩展区间小波神经网络,并将该网络应用于激光PM2.5检测装置的建模。现将本文主要研究工作概括如下:首先,将区间小波神经网分为叁类,以叁层网络为例,推导了第一类、第二类区间小波神经网络前向计算过程和基于梯度下降学习算法。针对第一类区间小波神经网络分类、计算复杂的问题,提出、推导了第一类扩展区间小波神经网络,并说明当它收敛时,一般第一类区间小波神经网络也一定收敛;针对反传学习时极值点处偏导数为零的问题,采用导函数平移加上自适应学习速率的方法加以处理。其次,在我国空气环境质量检测需求日益迫切的背景下,设计、开发了一套便携式激光PM2.5检测装置。叙述了其工作原理,基于夫琅禾费衍射原理对其进行了数学建模。对装置的测控系统进行了详细地设计,开发,并以此为硬件试验平台,对理论进行仿真、验证。最后,分别分析了两类区间小波神经网络的应用背景及意义,选用第一类扩展区间小波神经网络对激光PM2.5检测过程进行建模、预测,详细叙述了整个建模过程,采用matlab进行了仿真,并与两个传统小波神经网络所建模型进行了对比。对比结果发现,第一类区间小波神经网络在系统评估、故障检测方面具有良好的性能和应用前景。综上所述,希望本文对非单调激活函数(例如小波函数,高斯函数等)的区间神经网络理论研究有所裨益。(本文来源于《东北大学》期刊2015-06-01）
姜琳珊[10]（2014）在《基于区间小波神经网络的高炉炉温预测》一文中研究指出钢铁行业是我国工业的支柱产业,在国民经济持续高速发展过程中发挥了及其重要的作用。高炉是炼铁的核心设备,在高炉冶炼过程中,炉温控制是最为重要,是高炉过程控制的基础与核心技术。炉温的走势最直接的反应了高炉的运行状况,而铁水中硅的含量与炉温成正比例关系。针对传统智能算法所建立的模型抗扰性差、对数据的准确性敏感度过高等缺点,本文研究了区间神经网络算法弥补这些不足,对高炉铁水硅含量进行预测,进而达到预测炉温的目的。本文以鞍钢鲅鱼圈1#高炉为背景,基于区间小波神经网络研究高炉炉温预测方法,主要工作有：对区间神经网络进行了分析,重点研究了权值和阈值是区间值,输入值是点值的区间神经网络算法,详细分析了区间神经网络反向修改权值区间的方法,运用数值实验对该算法进行仿真验证。然后在此基础上,针对高炉炉温预测模型特点以及区间神经网络所具有的学习速率慢、容易陷入局部极小的缺点,将小波引入区间神经网络中。分别够造了松散型和紧致型两种区间小波神经网络,给出了权值w、伸缩因子a和平移因子b的参数修正方式,仿真分析验证了预测区间效果明显改善。建立了适用于预测高炉炉温的区间神经网络和区间小波神经网络模型。基于PCA方法对多维输入变量进行降维,将得到的新数据集用于网络训练。将所研究的区间小波神经网络模型应用在鲅鱼圈1#高炉炉温预测上,并分别计算了叁种方法的命中率和相对误差,验证了本文所研究的算法在高炉炉温预测应用中的效果和可行性。通过叁种方法的比较,表明了紧致型区间小波神经网络在高炉炉温预测的应用中的效果好于另外两种,可以应用在高炉炉温预测中。(本文来源于《东北大学》期刊2014-06-01）
区间小波论文开题报告
（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：
现实世界中,很多生产过程中测量到的数据往往是不精确的,如科学试验或工业等,如何表述不精确信息并对其建模是过程研究中的重要问题。粒是一种新概念,主要用于描述不精确信息。它衍生出许多方法,其中集合论和区间分析被证明具有很好的应用效果,得到了广泛研究;另一方面区间神经网络是目前解决不精确数据建模的一种有效方法,它利用区间数表示不精确数据,利用神经网络完成建模的任务。离散小波变换时、频局部化性能较好,经分析发现它的思想与叁层神经网络能实现较好的契合,那么可以把区间理论、离散小波变换以及神经网络叁者相结合,去解决不精确信息的建模和神经网络参数缺乏指导等问题,所以无论理论还是实际意义方面,区间离散小波神经网络都有较高的研究价值。以区间分析、离散小波变换理论为基础,在大量查阅了有关文献和书籍后,本文详细设计区间离散小波神经网络网络的结构,并推导了与其有关的学习算法。本文的主要研究工作主要包括以下内容:本文将区间离散小波神经网络分为叁类,推导了第一类和第二类区间离散小波神经网络前向计算和反向学习过程。所建立的模型充分利用了离散小波变换理论去计算输入层到隐层以及隐含层到输出层的权值,利用梯度下降算法调节输出层权值。通过仿真实验,证明了区间离散小波神经网络网络结构设计合理,且收敛方面的表现良好。在本文之前有关区间神经网络的研究中,反向学习本质是采取了点值运算方式,但本文以开拓研究的态度,提出利用GH-difference区间求导的方法进行区间神经网络的反向学习。经实验证明,区间求导的方法不仅可突出区间神经网络中区间的鲜明特色,而且具备较好的泛化和收敛能力。基于上述研究成果,在本文最后提出可以深入探讨的的方向。
（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。
区间小波论文参考文献
[1].张建基.多小波、区间多小波和双向向量值小波的构造问题研究[D].新疆师范大学.2017
[2].梁荣业.区间离散小波神经网络的研究[D].东北大学.2016
[3].张彦娥,魏颖慧,梅树立,朱梦婷.基于多尺度区间插值小波法的牛肉图像中大理石花纹分割[J].农业工程学报.2016
[4].冯德山,王珣.区间B样条小波有限元GPR模拟双相随机混凝土介质[J].地球物理学报.2016
[5].张明宇,梁琪.基于模糊处理和遗传优化的小波神经网络股指区间预测[J].中国市场.2016
[6].李姣军,陶金,余景鹏,贾智予.一种基于支撑区间的小波包分复用系统SNR估计方法[J].半导体光电.2016
[7].张泼泼,李星野.基于小波神经网络和ARMA模型的CPI波动区间预测[J].信息技术.2016
[8].卿光辉,张春潮.一种简化的区间B样条小波杂交应力元[J].中国民航大学学报.2015
[9].马亚辉.区间小波神经网络研究及应用[D].东北大学.2015
[10].姜琳珊.基于区间小波神经网络的高炉炉温预测[D].东北大学.2014
论文知识图
