基于混沌-小波神经网络的公交客流量预测模型研究

为提高公交客流量预测的精确度,将混沌理论和小波神经网络方法相结合应用于公交客流量预测。分别采用自相关法、伪最近邻域法计算公交客流量时间序列的时间延迟、嵌入维数,采用小数据量法计算其最大李雅普诺夫指数,证实该时间序列具有混沌特性。据此建立混沌-小波神经网络预测模型,进而对H省某市实际公交客流量进行预测。实验结果表明,相比于传统的BP神经网络预测法、LIBSVM预测法,该方法在均方误差(MSE)、平均绝对误差(MAE)、平均相对误差(MRE)上均具有更小的预测误差,因而可以有效地预测公交客流量。     

基于小波网络的船舶柴油机燃油系统故障诊断

采用小波变换和BP神经网络的辅助式结合,通过小波变换提取故障特征向量作为BP神经网络的输入值,设计并组建了小波神经网络;利用小波变换模极大值分析高压油管燃油压力信号的奇异性,提取故障特征向量;根据故障采集数据并建立学习样本,通过网络训练建立BP神经网络输入和输出间良好的非线性映射,进而通过特征向量输入BP神经网络来诊断故障。实验数据分析表明:该方法具有良好的诊断效果。     

小波神经网络在交通标志识别中的运用研究

小波神经网络 小波自80年代提出以来,理论和应用都得到了巨大的发展,小波分析的出现被认为是傅立叶分析的突破性进展.目前,神经网络的理论研究日趋深入,其重要发展方向之一,就是注重与小波、混沌、模糊集等非线性科学理论相结合.     

改进的小波神经网络在桥梁施工控制中的应用

桥梁线形的预测和调整对于大跨径桥梁施工控制具有重要的指导作用。利用小波分析技术对实测数据进行消噪处理,将BP神经网络与Morlet小波结合起来,建立相应的小波神经网络模型,并对桥面标高偏差进行预测。结果表明,采用该方法对桥梁施工控制有较好的预测精度。     

基于小波基函数的语音增强研究

小波分析理论是一种新兴的信号处理理论，在时间上和频率上都有很好的局部性，小波变换可同时进行时域和频域分析，具有多分辨特性，特别适合于处理非平稳信号。小波基是由小波函数经过平移和伸缩得到，具有简单、灵活、随意的特性和多分辨分析的功能。通过计算机仿真小波基函数对语音去噪的实现，并分析了不同阀值函数在语音处理中的效果，仿真结果表明，这些方法的运用能有效改善语音的失真程度，具有一定的实践指导意义。     

小波神经网络改进结构及其学习算法

论述了小波神经网络用于信号分类识别的模型结构,在此基础上,充分利用小波变换时频分析的局部化特性,提出了一种改进的网络结构,建立了非显式小波的网络的学习算法。计算机模拟表明,该结构提高了信号分类识别的精度和灵敏度。     

小波和Kalman滤波用于GPS数据去噪方法分析

根据小波分析基本理论和GPS信号噪声特性,将小波分析这一数学工具应用到GPS数据的去噪处理中,同时引入Kalman滤波方法,将其与小波分析方法有机结合,进而提出利用小波分析的自适应Kalman滤波方法进行GPS数据去噪处理。     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．     

基于小波分析的大型回转支承故障特征信号的提取

现场的测试及分析发现，门座式起重机回转支承的局部损伤及由缺陷类故障所引起的低频振动信号由于受到系统高频固有振动及其他背景噪声的干扰而难以分离，小波分析以其良好的时频局部化分析特性，弥补了传统信号分析方法如傅立叶变换、短时傅立叶变换等的不足，较好地实现了对信号全貌及其局部特性的双重分析．文中提出利用小波分析方法的特性有效地提取回转支承装置在强噪声等复杂背景下的局部损伤及缺陷类等故障信息．     

小波包分析在头肩序列的人脸检测中的应用研究

根据可视电话以及视频会议的视频处理对象，主要是头肩序列的特点和人眼的视觉特性，结合小波包分析，提出了一种综合小波包分析、人脸肤色和人脸几何特征的人脸检测方法．试验表明，该方法在彩色头肩序列的人脸检测中性能良好．     

综合小波分解和BP神经网络的交通小区生成交通短时预测

针对交通小区生成交通的短时预测需求,提出了综合小波分析和BP神经网络的短时预测方法.预测方法主要利用dbN小波函数对交通小区生成交通进行小波分解,利用BP神经网络对分解后的多频段波形进行短时预测,最后通过波形重构获得交通小区生成交通的短时预测结果.在构建综合小波分析和BP神经网络短时预测模型基础上,采集交通小区的实际交通生成数据,并构建短时预测的对比模型,检验构建模型的预测精度.检验结果表明:在交通小区的生成交通短时预测方面,综合小波分析和BP神经网络的组合预测模型比单独采用BP神经网络进行预测的精度更高.     

基于小波变换自适应数字图像水印算法

阐述了图像数字水印和小波变换的基本原理,通过对小波基、分解级数、小波系数选择及人类视觉掩蔽特性等的分析,提出了一种基于小波变换自适应图像数字水印算法．通过剪切、加噪、滤波、锐化、模糊等几种常用攻击技术对算法进行了测试,实验结果表明该算法具有较强的鲁棒性．     

基于小波分析和神经网络的异步电机早期故障诊断

针对异步电机早期定子故障诊断,根据电机定子故障的特点,采用小波变换极大模分析法检测故障信号突变点的位置;利用小波包各个频带能量的变化完成能最特征提取,采用BP神经网络故障识别算法识别电机的各种运行状态来诊断电机早期故障.仿真实验结果表明,小波分析和神经网络算法的结合能有效定位并检测异步电机的早期故障.     

一种小波包去噪自适应阈值算法

小波包变换可以将不同频段的信号分离,信号和噪声经小波包分解后,其小波包系数将表现出不同的特性,通过对小波包系数进行阈值处理 ,可以有效地抑制噪声,很好地重构信号.运用统计信号处理的理论,提出了一种确定小波包分解系数自适应阈值的方法.结果证明,这种方法具有良好的去噪效果.     

基于遗传算法与小波神经网络的客流预测研究

针对轨道交通短时客流具有动态性、非线性、不确定性的特点,提出一种基于遗传算法与小波神经网络的轨道交通短时客流预测方法.该方法利用具有全局搜索最优的遗传算法优化小波神经网络,有效的避免了神经网络易陷入局部最小值的缺陷.在分析轨道交通短时客流的特征上,利用实测数据对模型进行验证.结果表明,相比遗传算法优化的BP神经网络模型,单一的小波神经网络模型其预测精度更高,误差更小,能在实际中应用.     

一种对称小波重构算法及其在突变信号检测中的应用

分析了在奇异信号检测等问题中，使用Mallat算法对信号小波系数做单支重构波形存在失真的原因．通过调整Mallat算法的运算流程，得到了小波变换的一种基于共轭正交滤波器组的重构算法．理论分析与仿真试验结果表明，文中算法使上述失真现象得到了改善，同时具有正交性、对称性和有限支撑性等优良性质，可用于对信号作精确的分析。     

信息融合技术在交通事件自动检测中的应用

多传感器信息融合技术这一新兴信息处理技术的出现,为交通事件自动检测(Automatic Incident Detection,AID)算法的设计提供了新的解决方案。将多传感器信息融合技术引入交通事件检测领域,设计了一种基于信息融合技术的交通事件自动检测算法。该方法结合了信息融合理论和小波神经网络算法,充分发挥了多传感器信息融合与小波神经网络理论的优势,使得事件检测的结果更加准确。通过仿真试验,该检测算法的优越性得到验证。     

基于整数小波系数的笔迹图像鉴别方法研究

提出了一种基于整数小波变换的笔迹图像的纹理分析方法．纹理图像的主要特征表现在细节部分，而高频部分的小波系数体现了图像的细节．所以从这些小波系数中提取的特征，能够表征纹理图像的主要特性．并且这种分析法对亮度不敏感．这一特点是传统的纹理分析方法难以达到的．用该方法提取纹理图像的特征，并使用加权欧式距离分类器来完成匹配工作．在实验中，使用了27个人的不同笔迹，取得了很好的结果．     

基于小波网络的机械产品性能模糊综合评价

运用模糊化的小波神经网络进行综合评价的原理和方法,所有权重指标均通过自学习获得,使得模糊综合评价中指标权重的确定更为客观准确.结合具体机械产品＂电磁缓冲制动器＂阐述了小波神经网络方法在机械产品性能综合评价中的应用,并建立了相应的评价系统.实验表明,该方法做出的综合评价是科学、有效的.     

Application of Information Fusion Technology in Automatic Incident Detection

多传感器信息融合技术这一新兴信息处理技术的出现,为交通事件自动检测(Automatic Incident Detection,AID)算法的设计提供了新的解决方案.将多传感器信息融合技术引入交通事件检测领域,设计了一种基于信息融合技术的交通事件自动检测算法.该方法结合了信息融合理论和小波神经网络算法,充分发挥了多传感器信息融合与小波神经网络理论的优势,使得事件检测的结果更加准确.通过仿真试验,该检测算法的优越性得到验证.