基于负熵与多目标优化的轮对轴承故障诊断方法*

最优小波解调是一种常用的滚动轴承故障诊断方法,针对如何选择最优中心频率和带宽的问题,从故障振动信号的冲击性和循环平稳性出发,提出了一种基于负熵和多目标优化的复Morlet小波解调方法 .利用遗传算法的泛优化能力,分别以窄带信号包络的负熵和包络谱的负熵设计两个目标函数,通过非支配排序和拥挤距离排序,结合选择、交叉和变异遗传操作对复Morlet小波参数进行优化,自适应地确定富含故障信息的最优共振频带进行包络解调.试验表明,该方法通过多目标优化可以统一表征轴承故障的冲击性和循环平稳性,可以准确识别轮对轴承的局部故障.     

基于一种改进提升小波变换的轧辊偏心自寻优控制

为了提高传统小波变换的性能，使用提升小波变换提取轧辊偏心信号，并对其进行在线自寻优控制． 采用一种改进的蚁群算法优化小波阈值，并运用自寻优策略对系统参数进行优化．提升小波不依赖傅里叶变换，计 算简单，运行速度快．仿真试验表明，该方法是有效的，对外界环境干扰具有很好的适应性，能够实现轧辊偏心信 号的实时动态控制．     

复小波包域遥感图像局部自适应融合算法

为了使融合后的图像在保持原IKONOS 卫星图像多光谱特性的同时,最大可能地提高图像空间 分辨率,提出了一种基于四树复小波包变换的SAR 图像与多光谱IKONOS 卫星图像相融合的新方法．该方法 利用复小波包变换的多方向性和对高频细节信号良好的时频局部化分析能力,分别对IKONOS 图像经HIS 空 间变化的I 分量子图和SAR 图像进行复小波包分解,并对分解后的低频复系数采用取平均或取大值的方法、 对高频方向复系数采用邻域一致性测度的局部自适应方法进行复系数融合．用融合后复系数经复小波包反变 化得到的图像代替原IKONOS 图像经HIS 变换的I 分量,再经HIS 空间反变换得到最终的融合图像．实验结 果表明,该融合算法在光谱保留和空间质量提高方面,比传统的基于小波变换的融合算法具有更高的性能．     

一种小波网络设计新方法

小波网络有许多优良性质，为了便于应用和推广，本文提出一种新颖的两步设计方法．首 先，用修正的GS方法与AIC相结合构造小波网络，目的是获得经济的网络结构和初始参数； 然后，采用结合GA的分层优化算法优化小波网络的两个内部参数——平移和伸缩参数，目 的是在不增加小波元的情况下获得更高的精度．最后，用于辨识非线性动态系统；仿 真结果证明了这种学习方法的可行性和有效性．     

图像配准的小波分解方法

提出了利用图像与其作小波分解后的近似分量的轮廓相似性，进行图像配准的一种方法．首先利用仿射变换和小波分解的理论，证明了该方法的正确性，并对求配准参数的运算量进行了分析；然后给出了利用该方法实现图像配准的步骤；最后结合MRI图像的配准，对该方法进行了实验验证．该方法能提高配准的速度，对实时图像配准具有实用价值．     

基于微分算子小波显式表示的分布参数系统最优逼近控制

基于微分算子在紧支撑正交小波基下的精确显式表示，给出了一种分布参数系统最优控制的逼近计算方法．将微分算子投影到小波空间，利用其矩阵表示形式，将分布参数系统的最优控制转化为集中参数系统最优控制问题．该方法不需要为边界条件重新构造基函数，在将偏微分方程转化为其常微分方程近似形式的过程中，不需要考虑边界条件的影响，因此计算方便、适用范围广，同时具有很高的精度和计算效率,可以对计算误差进行预测．利用该方法进行了基于Daubechies (db1)小波的仿真计算，并对计算结果进行了验证．     

基于不同复小波变换方法的纹理检索和相似计算

复小波克服了单小波的缺点,具有时移不变性、方向性信息多和相位信息等特点．从能量角度出发．主要研究了不同复小波变换方法的一阶和二阶统计矩（共生矩阵）特性,并应用于纹理特征的提取,与传统的单小波做了比较．通过理论分析和在纹理图像检索的对比实验数据说明了复小波在纹理特征提取方面的性能优于单小波,采用一阶和二阶统计矩相结合方法的性能最好,检索精度提高了8％．     

基于对偶树复小波变换的纹理特征提取及分割

对偶树复小波变换具有良好的方向选择性和平移不变性。该文在分析对偶树复小波分解后的6个高频子带所对应的模值子带直方图的基础上,提取一种新的纹理特征——Gamma分布参数与Lognormal分布参数的组合特征。基于该特征进行纹理图像分割,分割过程中使用了边缘保持平滑技术对特征进行平滑,并使用K均值聚类实现无监督分割。实验表明,文中所使用的特征提取方法新颖,分割结果的边缘准确性与区域一致性具有抗噪性,是一种有效的纹理分割方法。     

一种基于双树复小波变换的图像融合方法

提出了一种基于双树复小波变换的图像融合方法。采用双树复小波变换对源图像进行分解后,该方法首先对各频域分别定义一种活性测度和匹配测度,再通过相应的匹配测度来计算各频域的融合因子,然后采用加权与选择相结合的规则融合高频系数和低频系数,得到融合图像的各频域系数。最后,采用双树复小波逆变换重构得到融合图像。实验表明,该融合方法具有良好的客观评价性能和主观视觉效果。     

基于复小波域奇异值分解的自适应图像水印

将双树复小波分解的多方向性扣冗余性与奇异值稳定性结合,提出一种新的盲检测数字水印方案.该方案将水印嵌入图像双树复小波分解后各子带系数的分块奇异值中,块长可动态调整.为避免产生块状效应.使用统计学模型来自适应调整量化参数,改善了水印图像的不可感知性和安全性.实验表明,该方案对于通常的几何攻击具有鲁棒性,对JPEG压缩攻击性能较稳定,并有效提高了水印的容量.     

高斯小波支持向量机的研究

证明了偶数阶高斯小波函数满足支持向量机的平移不变核函数条件．应用小波核函数建立了相应的高斯小波支持向量机,并且使用云遗传算法对支持向量机及其核函数的参数进行优化．用该算法与常用的高斯核和Morlet小波核支持向量机进行对比实验．通过对非线性函数的逼近和电力系统短期负荷的预测,验证了该算法的有效性和优越性,表明其具有一定的实用价值．     

Gaussian小波SVM及其混沌时间序列预测

为了提高混沌时间序列的预测精度,针对小波有利于信号细微特征提取的优点,结合小波技术和SVM的核函数方法,提出基于Gaussian小波SVM的混沌时间序列预测模型.证明了偶数阶Ganssian小波函数满足SVM平移不变核条件,并构建相应的Gaussian小波SVM.时混沌时间序列进行相空间重构,将重构相空间中的向量作为SVM的输入参量.用Ganssian小波SVM与常用的径向基SVM及Morlet小渡SVM进行对比实验,通过对Chen's混沌时间序列和负荷混沌时间序列的预测,结果表明,Ganssian小波SVM的效果比其他两种SVM更好.     

Gaussian kernel optimization: Complex problem and a simple solution

The Gaussian kernel function implicitly defines the feature space of an algorithm and plays an essential role in the application of kernel methods. The parameter of Gaussian kernel function is a scalar that has significant influences on final results. However, until now, it is still unclear how to choose an optimal kernel parameter. In this paper, we propose a novel data-driven method to optimize the Gaussian kernel parameter, which only depends on the original dataset distribution and yields a simple solution to this complex problem. The proposed method is task irrelevant and can be used in any Gaussian kernel-based approach, including supervised and unsupervised machine learning. Simulation experiments demonstrate the efficacy of the obtained results. A user-friendly online calculator is implemented at: www.csbio.sjtu.edu.cn/bioinf/kernel/ for public use.     

小波支持向量机在SAR图像降噪中的应用

基于支持向量回归理论和小波支持向量核函数,提出了一种新的SAR滤波方法。首先对支持向量回归方法做了分析,通过对复杂信号进行逼近实验,验证了其应用于图像滤波的可行性和合理性。之后将SAR图像看成是一个二维连续信号,将对复杂信号具有更好逼近能力的小波支持向量核函数用于SAR图像滤波,小波核函数由Morlet小波构建。实验结果表明本文提出的方法能很好的降低SAR图像噪声,而且能比传统方法更好的保持边缘。     

A modified OSEM algorithm for PET reconstruction using wavelet processing

Ordered subset expectation–maximization (OSEM) method in positron emission tomography (PET) has been very popular recently. It is an iterative algorithm and provides images with superior noise characteristics compared to conventional filtered backprojection (FBP) algorithms. Due to the lack of smoothness in images in OSEM iterations, however, some type of inter-smoothing is required. For this purpose, the smoothing based on the convolution with the Gaussian kernel has been used in clinical PET practices. In this paper, we incorporated a robust wavelet de-noising method into OSEM iterations as an inter-smoothing tool. The proposed wavelet method is based on a hybrid use of the standard wavelet shrinkage and the robust wavelet shrinkage to have edge preserving and robust de-noising simultaneously. The performances of the proposed method were compared with those of the smoothing methods based on the convolution with Gaussian kernel using software phantoms, physical phantoms, and human PET studies. The results demonstrated that the proposed wavelet method provided better spatial resolution characteristic than the smoothing methods based on the Gaussian convolution, while having comparable performance in noise removal.     

基于复数小波域广义高斯分布模型的

由于在频域用能量参数来表示图像的特征矢量缺乏准确性,而且实数离散小波变换具有平移变化性和弱的方向选择性,为此针对以上问题提出了一种基于复数小波域广义高斯分布模型的纹理图像检索方法。该方法首先利用双树复数小波变换系数的统计特性来建立广义高斯分布的统计模型;然后基于该模型提取图像的特征矢量;最后利用KullbackLeibler distance(KLD)测度算法进行纹理图像检索。对Brodatz图像库的仿真表明,新方法较双树复数小波算法的查准率提高6.96%,较基于Gabor纹理特征检索法的查准率提高了18.8%。同时复数小波系数统计模型具有旋转不变性。新方法对今后的纹理图像检索具有重要的理论与实际意义。     

基于复数小波域广义高斯分布模型的纹理图像检索

由于在频域用能量参数来表示图像的特征矢量缺乏准确性,而且实数离散小波变换具有平移变化性和弱的方向选择性,为此针对以上问题提出了一种基于复数小波域广义高斯分布模型的纹理图像检索方法。该方法首先利用双树复数小波变换系数的统计特性来建立广义高斯分布的统计模型;然后基于该模型提取图像的特征矢量;最后利用Kullback-Leibler distance(KLD)测度算法进行纹理图像检索。对Brodatz图像库的仿真表明,新方法较双树复数小波算法的查准率提高6.96%,较基于Gabor纹理特征检索法的查准率提高了18.8%。同时复数小波系数统计模型具有旋转不变性。新方法对今后的纹理图像检索具有重要的理论与实际意义。     

GARCH prediction using spline wavelet support vector machine

Volatility forecasting is vital important in finance to reduce risk and take better decisions. This paper proposes a spline wavelet support vector machine (SWSVM) to forecast the volatility of financial time series based on generalized autoregressive conditional heteroscedasticity model. An admissible spline wavelet kernel is constructed by incorporating the wavelet technique and spline theory into support vector machine (SVM). Since spline wavelet function can yield features that describe the stock time series both at various locations and at varying time granularities, the SWSVM gains the cluster feature of volatility well. Compared with Gaussian kernel in the standard SVM, the applicability and validity of spline wavelet kernel in SWSVM are confirmed through computer simulations and experiments on real-world stock data.     

基于鲁棒小波ν-支持向量机的产品销售预测模型

针对产品销售时序具有正态高斯分布、幅值较大、奇异点等混合噪音, 设计一种鲁棒损失函数, 并采用小波核函数, 由此得到一种新的小波ν-支持向量机, 即鲁棒小波ν-支持向量机(Robust wavelet ν-support vector machine, RWν-SVM). 它可以有效地压制销售时序的多种噪音和奇异点, 具有很强的鲁棒性, 而且它比标准小波ν-支持向量机(Wν-SVM)具有更简洁的对偶优化问题. 最后进行了汽车销售预测的实例分析, 结果表明基于RWν-SVM的预测模型是有效可行的.     

Power load forecasts based on hybrid PSO with Gaussian and adaptive mutation and Wv-SVM

This paper presents a new load forecasting model based on hybrid particle swarm optimization with Gaussian and adaptive mutation (HAGPSO) and wavelet v-support vector machine (Wv-SVM). Firstly, it is proved that mother wavelet function can build a set of complete base through horizontal floating and form the wavelet kernel function. And then, Wv-SVM with wavelet kernel function is proposed in this paper. Secondly, aiming to the disadvantage of standard PSO, HAGPSO is proposed to seek the optimal parameter of Wv-SVM. Finally, the load forecasting model based on HAGPSO and Wv-SVM is proposed in this paper. The results of application in load forecasts show the proposed model is effective and feasible.