基于部分压缩的主成份回归估计

在制导工具的系统误差的分离中,主成份估计得到了大量的应用.针对主成份估计进行改进,提出把主成份估计的后p-r个主成份不是取消,而是进行一个非均匀的压缩估计.可以证明,改进之后得到的估计在MSE和SSE的意义下均优于主成份估计,从而在预报性能和参数估计的准确度上都得到优良的结果.     

一种自适应整数小波变换方法

本文给出了一种自适应整数小波变换方法。构造整数小波变换的方法通常是由提升结构得到。本文也正是基于一种具有完全重构的自适应提升结构而得到自适应整数小波变换。G.Piella给出的自适应提升结构,由于它严格限制更新步骤中滤波器系数之和为1,使得不易于用它构造整数变换。为了得到整数变换,本文将它推广到更一般的情形。由这种自适应提升结构得到的自适应整数变换对图像中的边缘点和均匀区域有区别地对待,而且对整数信号进行变换没有舍入误差。这些性质在数字图像数据压缩中有重要应用。     

一维对流扩散方程的勒让德神经网络解法研究

针对一维对流扩散方程的数值解,利用勒让德多项式的微分性质及矩阵张量积性质,提出一维对流扩散方程问题的勒让德神经网络方法.主要采用勒让德神经网络构造微分方程的近似解,重点研究了神经网络模型中网络拓扑结构对数值结果的影响.数值实验结果表明,对给定的样本,计算精度及运行时间受隐层神经元数影响.     

基于谱间预测和码流预分配的高光谱图像压缩算法

为解决高光谱图像数据量巨大带来的传输和存储问题，提出一种波段预测去除谱间冗余和码流预分配的高光谱图像压缩算法。由于波段预测后各波段残差图像分配的码流长度关系到该波段的清晰度，同时该波段作为预测波段对后面波段的预测编码产生影响，因此必须设计一种合理的分配各波段码流长度的算法。首先用DPCM预测求出各波段的预测残差图像的标准差，然后根据标准差的大小对该波段进行SPIHT编码需要分配的码流长度预测。最后基于均方差最小的线性预测器对图像各波段进行预测，根据事先分配的码流长度对各波段预测残差图像进行SPIHT编码。该算法在波段间采用最佳线性预测，有效的去除了高光谱图像的谱间相关性。同时设计的分配码流长度的算法能够根据各波段信息量大小，以及和相邻波段的相关性来分配码流长度。实验表明，重建图像平均PSNR高出3D-SPIHT算法0.9～2.5db。因此该算法对高光谱图像有损压缩非常适用。     

基于自适应收缩因子的SAR图像去噪

针对合成孔径雷达 (SAR)图像固有的斑点噪声 ,提出了基于自适应收缩因子的去噪方法 .该方法首先将图像分解至平稳小波域 ,利用与信号相关小波系数的空间及尺度相关性 ,自适应地得到收缩因子 ,修正小波系数 .与基于Mallat分解的阈值去噪及Wiener滤波相比 ,该方法在有效抑制SAR图像噪声的同时 ,较好地保持了图像边缘细节 ,达到了理想的去噪效果     

小波变换点对称边界延拓问题研究

比较了几种小波变换的边界延拓方式,对小波变换的点对称延拓进行了边界点的光滑性分析,提出基于奇数长对称小波变换的点对称延拓方式,并证明了它在保持信号数据量不变的情况下是可以完全重构的。对一段有限信号分别采用对称延拓和点对称延拓进行小波分解重构计算,结果表明点对称延拓的重构精度比对称延拓的高。     

一种不平衡数据流集成分类模型

 针对不平衡数据流的分类问题,结合基于权重的集成分类器与抽样技术,本文提出了一种处理不平衡数据流集成分类器模型.理论分析与实验验证表明,该集成分类器具有更低的计算复杂度,更能适应存在概念漂移的不平衡数据流挖掘分类,其整体分类性能优于基于权重的集成分类器模型,能明显提升少数类的分类精度.     

一类多元不可分小波的边界问题

讨论了伸缩矩阵为2I2、插值掩模关于两坐标轴和原点对称的插值双正交多元不可分小波的小波掩模构造方法,为了保证在图像的小波变换编码中可以实现信号的完全重构,提出一种不同于张量积小波情形的边界对称延拓方法,证明了不需附加信息即可实现信号的完全重构,最后给出了实验验证。     

端接非线性负载的无畸变传输线瞬态分析半解析法

对带非线性负载的无畸变传输线瞬态分析问题,利用Volterra积分方程,建立了一种半解析方法。该方法利用Baum-Liu-Tesche(BLT)方程得到频域输入导纳、短路电流,然后利用级数展开和傅里叶变换的性质,得到Volterra积分方程中输入导纳、短路电流的瞬态解析表达,简化了Volterra积分方程,并可以避免奇异积分。     

二元双正交梅花小波结合SPIHT的图像压缩方法

为了研究不可分小波在图像压缩中的应用，利用陪集构造方法构造了一种特殊的二元不可分双正交小波：梅花小波，并将其和SPIHT编码相结合研究了其在图像压缩中的性能。该算法可以实现无浮点的乘法运算，运算速度快，易于硬件设计。